计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
4期
1099-1104
,共6页
半监督学习%协同训练%Tri-training%评价单元%依存分析%评价对象
半鑑督學習%協同訓練%Tri-training%評價單元%依存分析%評價對象
반감독학습%협동훈련%Tri-training%평개단원%의존분석%평개대상
semi-supervised learning%co-training%Tri-training%appraisal expression%dependence analysis%opinion target
评价单元的识别是情感倾向性分析中重要的一步,但由于标注语料匮乏,大多数研究集中在用人工构建规则、模板来识别评价单元的方法上.为了减轻标注训练语料的工作,同时进一步挖掘未标记样本的信息,提出一种基于协同训练机制的评价单元识别算法,以利用少量的已标记样本和大量的未标记样本来提高识别性能.该算法利用Tri-training的思想,将支持向量机(SVM)、最大熵(MaxEnt)以及条件随机场(CRF)三个不同分类器组合成一个分类体系,对生成的评价单元候选集进行分类.将Tri-training的算法思想应用于实验来对比采用单一分类器的方法,结果表明,该算法能够有效地识别主观句中的评价单元.
評價單元的識彆是情感傾嚮性分析中重要的一步,但由于標註語料匱乏,大多數研究集中在用人工構建規則、模闆來識彆評價單元的方法上.為瞭減輕標註訓練語料的工作,同時進一步挖掘未標記樣本的信息,提齣一種基于協同訓練機製的評價單元識彆算法,以利用少量的已標記樣本和大量的未標記樣本來提高識彆性能.該算法利用Tri-training的思想,將支持嚮量機(SVM)、最大熵(MaxEnt)以及條件隨機場(CRF)三箇不同分類器組閤成一箇分類體繫,對生成的評價單元候選集進行分類.將Tri-training的算法思想應用于實驗來對比採用單一分類器的方法,結果錶明,該算法能夠有效地識彆主觀句中的評價單元.
평개단원적식별시정감경향성분석중중요적일보,단유우표주어료궤핍,대다수연구집중재용인공구건규칙、모판래식별평개단원적방법상.위료감경표주훈련어료적공작,동시진일보알굴미표기양본적신식,제출일충기우협동훈련궤제적평개단원식별산법,이이용소량적이표기양본화대량적미표기양본래제고식별성능.해산법이용Tri-training적사상,장지지향량궤(SVM)、최대적(MaxEnt)이급조건수궤장(CRF)삼개불동분류기조합성일개분류체계,대생성적평개단원후선집진행분류.장Tri-training적산법사상응용우실험래대비채용단일분류기적방법,결과표명,해산법능구유효지식별주관구중적평개단원.