计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2013年
12期
2570-2577
,共8页
半监督式学习%情感特征聚类%情感分类%观点挖掘%Web挖掘%数据挖掘
半鑑督式學習%情感特徵聚類%情感分類%觀點挖掘%Web挖掘%數據挖掘
반감독식학습%정감특정취류%정감분류%관점알굴%Web알굴%수거알굴
semi-supervised learning%sentiment feature clustering%sentiment classification%opinion mining%Web mining%data mining
情感分类是观点挖掘的一个重要的方面.提出了一种基于情感特征聚类的半监督式情感分类方法,该方法只需要对少量训练数据实例进行情感类别标注.首先从消费者评论中提取普通分类特征和情感特征,普通分类特征可以用来训练一个情感分类器.然后使用spectral聚类算法把这些情感特征映射成扩展特征.普通分类特征和扩展特征一起通过训练得到另一个情感分类器.2个分类器再从未标签数据集中选择实例放入到训练集合中,并通过训练得到最终的情感分类器.实验结果表明,在同样的数据集上该方法的情感分类准确度比基于self-learning SVM的方法和基于co-training SVM的方法的情感分类准确度要高.
情感分類是觀點挖掘的一箇重要的方麵.提齣瞭一種基于情感特徵聚類的半鑑督式情感分類方法,該方法隻需要對少量訓練數據實例進行情感類彆標註.首先從消費者評論中提取普通分類特徵和情感特徵,普通分類特徵可以用來訓練一箇情感分類器.然後使用spectral聚類算法把這些情感特徵映射成擴展特徵.普通分類特徵和擴展特徵一起通過訓練得到另一箇情感分類器.2箇分類器再從未標籤數據集中選擇實例放入到訓練集閤中,併通過訓練得到最終的情感分類器.實驗結果錶明,在同樣的數據集上該方法的情感分類準確度比基于self-learning SVM的方法和基于co-training SVM的方法的情感分類準確度要高.
정감분류시관점알굴적일개중요적방면.제출료일충기우정감특정취류적반감독식정감분류방법,해방법지수요대소량훈련수거실례진행정감유별표주.수선종소비자평론중제취보통분류특정화정감특정,보통분류특정가이용래훈련일개정감분류기.연후사용spectral취류산법파저사정감특정영사성확전특정.보통분류특정화확전특정일기통과훈련득도령일개정감분류기.2개분류기재종미표첨수거집중선택실례방입도훈련집합중,병통과훈련득도최종적정감분류기.실험결과표명,재동양적수거집상해방법적정감분류준학도비기우self-learning SVM적방법화기우co-training SVM적방법적정감분류준학도요고.
