CAJ | 학술논문

目前主观信息情感分类常用的方法主要有基于知识工程和基于统计两类，其中基于统计的机器学习方法在效率上优于基于知识的方法，但单一的机器学习算法有各自的优缺点，难以胜任复杂的分类任务。本文将微博情感判别任务分层，在不同层次选择合适的机器学习算法，提出了一种多算法集成的微博细粒度情感分类方法。首先采用朴素贝叶斯（NB）分类器对微博进行有无情绪分类，然后采用AdaBoost集成算法对KNN进行集成训练出多个分类器，对有情绪微博基于训练出的多个分类器通过线性组合模型进行情感判别。实验结果表明，在文本分类任务中合理集成不同机器学习算法，较单一机器学习算法和基于情感词典的方法能够提高分类性能。
목전주관신식정감분류상용적방법주요유기우지식공정화기우통계량류，기중기우통계적궤기학습방법재효솔상우우기우지식적방법，단단일적궤기학습산법유각자적우결점，난이성임복잡적분류임무。본문장미박정감판별임무분층，재불동층차선택합괄적궤기학습산법，제출료일충다산법집성적미박세립도정감분류방법。수선채용박소패협사（NB）분류기대미박진행유무정서분류，연후채용AdaBoost집성산법대KNN진행집성훈련출다개분류기，대유정서미박기우훈련출적다개분류기통과선성조합모형진행정감판별。실험결과표명，재문본분류임무중합리집성불동궤기학습산법，교단일궤기학습산법화기우정감사전적방법능구제고분류성능。