基于有序分類的文本情感分析.pdf

1、大數(shù)據(jù)時代，人們所接觸的數(shù)據(jù)在數(shù)量與維度上與日俱增，網(wǎng)絡上有著豐富的量化數(shù)據(jù)和文本數(shù)據(jù)，相對于量化數(shù)據(jù)，文本數(shù)據(jù)具有比重大，復雜，新穎等特點。其中文本情感分析在大數(shù)據(jù)時代這個背景下不斷地發(fā)展并吸引著大量研究者的關注，如何充分有效地利用文本數(shù)據(jù)，挖掘其中所包含的信息是一個巨大又有意義的挑戰(zhàn)。文本分析是指對文本的表示及其特征項的選取;文本分析即讓計算機能夠對于人類文字進行理解和分析，它要從文本數(shù)據(jù)中抽取出文本所包含的特征與信息。本文著重探究

2、的對象是文本情感的有序分類，利用神經(jīng)網(wǎng)絡語言模型word2vec將文本數(shù)據(jù)量化，再通過成對比較有序分類算法將量化數(shù)據(jù)做情感分類，完成文本情感分析。首先為了更好地利用計算機來分析文本數(shù)據(jù)，本文利用神經(jīng)網(wǎng)絡語言模型word2vec來對文本數(shù)據(jù)進行量化，相對于其他的方法具有模型簡單、效率高、易調參的優(yōu)點，并且在此基礎上本文結合了其他的特征提取方法，如:TF-IDF，LDA主題模型，再加以優(yōu)化得到詞向量，此綜合法在數(shù)值實驗上取得了更好的效果。另

3、一方面，本文研究的是有序分類問題，提出了成對比較策略的有序分類算法(PairCode)，詳細介紹了如何使用成對比較將有序分類轉化成無序分類，再將無序分類結果轉化成有序分類類別，給出了成對比較下類標簽編碼矩陣設計、樣本均衡、分類器訓練、新樣本預測等環(huán)節(jié)中的可行策略。并在數(shù)值實驗中與其他有序分類算法比較，PairCode算法在ACC、MAE、MMAE等有序度量指標上有較好的表現(xiàn)，然而，由于PairCode算法本身策略的特點，其分類速度是較慢