面向情感分類的領(lǐng)域適應(yīng)方法研究.pdf

1、隨著博客,商品評(píng)論等信息在網(wǎng)絡(luò)上的涌現(xiàn),情感分類日益成為一個(gè)重要且富有挑戰(zhàn)性的課題。情感分類試圖根據(jù)文本信息,自動(dòng)評(píng)判用戶所表達(dá)的情感極性(如正面或負(fù)面),在電子商務(wù)和輿情分析等領(lǐng)域展現(xiàn)出越來(lái)越重要的作用。
　　然而,在情感分類領(lǐng)域中,用戶表達(dá)情感方式多種多樣,領(lǐng)域間數(shù)據(jù)分布也存在明顯差異,情感分類的準(zhǔn)確率極易受到數(shù)據(jù)所在領(lǐng)域的限制和影響。對(duì)于新領(lǐng)域的情感分類問(wèn)題,傳統(tǒng)的機(jī)器學(xué)習(xí)方法只能通過(guò)重新標(biāo)記訓(xùn)練數(shù)據(jù)完成學(xué)習(xí)建模,這通常需要

2、消耗大量的人力物力。為此,我們分別從構(gòu)建領(lǐng)域間統(tǒng)一的特征空間和集成分類兩個(gè)方面,展開(kāi)面向情感分類的領(lǐng)域適應(yīng)方法研究,提出了基于對(duì)數(shù)似然比的特征選擇算法LTF和基于置信概率的協(xié)同學(xué)習(xí)集成決策算法CEC。主要工作如下:
　　(1)本文提出的面向多領(lǐng)域的情感分類特征選擇方法LTF(log-likelihood ratio&term frequency),綜合利用了原始領(lǐng)域和目標(biāo)領(lǐng)域數(shù)據(jù),使用詞頻和對(duì)數(shù)似然比的統(tǒng)計(jì)信息,選取在原始領(lǐng)域富有

3、極性,且在目標(biāo)領(lǐng)域有較大影響的特征,構(gòu)建原始領(lǐng)域和目標(biāo)領(lǐng)域公共特征空間,消減了原始領(lǐng)域和目標(biāo)領(lǐng)域的數(shù)據(jù)分布差異,促進(jìn)了知識(shí)的跨領(lǐng)域遷移。
　　(2)在集成分類器方面,本文提出了一種基于置信概率的多領(lǐng)域集成算法CEC(Confident Ensemble Classifier)。該方面借鑒自學(xué)習(xí)和協(xié)同學(xué)習(xí)的思想,利用置信概率,進(jìn)行數(shù)據(jù)的預(yù)標(biāo)記的同時(shí),完成各個(gè)基分類器的集成,從而有效提升目標(biāo)領(lǐng)域的分類精度。通過(guò)在情感數(shù)據(jù)集上的大量實(shí)驗(yàn)