计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
10期
2721-2726
,共6页
情感分析%中文微博%多标签排序%情感分类%两步策略
情感分析%中文微博%多標籤排序%情感分類%兩步策略
정감분석%중문미박%다표첨배서%정감분류%량보책략
sentiment analysis%Chinese microblog%multi-label ranking%emotion classification%two-stage strategy
针对中文微博文本情感分类中每个样本最多只有两种有序情感标签的情形,提出了一种简单的多标签排序算法——TSMLR,该算法采用两步学习和两步分类的策略,通过学习情感标签之间的主次关系,对微博文本的情感进行分类并对情感标签进行排序.首先,将一个多标签排序问题转化为八个多类单标签分类问题,分别对主要情感标签和次要情感标签进行学习;然后,利用得到的分类模型对微博表达的情感进行两步分类,首先给出主要情感标签,再给出次要情感标签.通过在NLP&CC2014的中文微博文本情感分析评测数据集上进行实验,与校准标签排序方法(CLR)相比,TSMLR方法的准确度和平均精度分别提高了8.59％和9.28％,1-错误率相应下降了9.77％,而且TSMLR所需的训练时间相对较少.实验结果表明:TSMLR对标签之间顺序关系的学习能够有效提高对中文微博情感分类的准确率.
針對中文微博文本情感分類中每箇樣本最多隻有兩種有序情感標籤的情形,提齣瞭一種簡單的多標籤排序算法——TSMLR,該算法採用兩步學習和兩步分類的策略,通過學習情感標籤之間的主次關繫,對微博文本的情感進行分類併對情感標籤進行排序.首先,將一箇多標籤排序問題轉化為八箇多類單標籤分類問題,分彆對主要情感標籤和次要情感標籤進行學習;然後,利用得到的分類模型對微博錶達的情感進行兩步分類,首先給齣主要情感標籤,再給齣次要情感標籤.通過在NLP&CC2014的中文微博文本情感分析評測數據集上進行實驗,與校準標籤排序方法(CLR)相比,TSMLR方法的準確度和平均精度分彆提高瞭8.59％和9.28％,1-錯誤率相應下降瞭9.77％,而且TSMLR所需的訓練時間相對較少.實驗結果錶明:TSMLR對標籤之間順序關繫的學習能夠有效提高對中文微博情感分類的準確率.
침대중문미박문본정감분류중매개양본최다지유량충유서정감표첨적정형,제출료일충간단적다표첨배서산법——TSMLR,해산법채용량보학습화량보분류적책략,통과학습정감표첨지간적주차관계,대미박문본적정감진행분류병대정감표첨진행배서.수선,장일개다표첨배서문제전화위팔개다류단표첨분류문제,분별대주요정감표첨화차요정감표첨진행학습;연후,이용득도적분류모형대미박표체적정감진행량보분류,수선급출주요정감표첨,재급출차요정감표첨.통과재NLP&CC2014적중문미박문본정감분석평측수거집상진행실험,여교준표첨배서방법(CLR)상비,TSMLR방법적준학도화평균정도분별제고료8.59％화9.28％,1-착오솔상응하강료9.77％,이차TSMLR소수적훈련시간상대교소.실험결과표명:TSMLR대표첨지간순서관계적학습능구유효제고대중문미박정감분류적준학솔.
