计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
8期
211-214
,共4页
文本情感分析%情感分类%集成模型
文本情感分析%情感分類%集成模型
문본정감분석%정감분류%집성모형
text sentiment analysis%sentiment classification%ensemble learning
文本情感分类是指通过挖掘和分析文本中的观点、意见和看法等主观信息，对文本的情感倾向做出类别判断。基于集成情感成员模型提出一种文本情感分析方法。把基于改进的神经网络、基于语义特征和基于条件随机场的三个情感分类模型作为成员模型集成在一起。集成后的模型能够涵盖不同的情感特征，从而克服了传统集成学习中仅关注成员模型处理结果的不足。以公开语料进行实验，集成模型融合了多个成员模型的优势，分类正确率达到了88.2%，远高于任一成员模型的效果。
文本情感分類是指通過挖掘和分析文本中的觀點、意見和看法等主觀信息，對文本的情感傾嚮做齣類彆判斷。基于集成情感成員模型提齣一種文本情感分析方法。把基于改進的神經網絡、基于語義特徵和基于條件隨機場的三箇情感分類模型作為成員模型集成在一起。集成後的模型能夠涵蓋不同的情感特徵，從而剋服瞭傳統集成學習中僅關註成員模型處理結果的不足。以公開語料進行實驗，集成模型融閤瞭多箇成員模型的優勢，分類正確率達到瞭88.2%，遠高于任一成員模型的效果。
문본정감분류시지통과알굴화분석문본중적관점、의견화간법등주관신식，대문본적정감경향주출유별판단。기우집성정감성원모형제출일충문본정감분석방법。파기우개진적신경망락、기우어의특정화기우조건수궤장적삼개정감분류모형작위성원모형집성재일기。집성후적모형능구함개불동적정감특정，종이극복료전통집성학습중부관주성원모형처리결과적불족。이공개어료진행실험，집성모형융합료다개성원모형적우세，분류정학솔체도료88.2%，원고우임일성원모형적효과。
The EL-based(Ensemble Learning)sentiment analysis method takes three different high-quality sentiment analysis models as basic classifiers, and combines these basic classifiers into a final classifier. In order to overcome the shortcoming of the traditional combination method that only considers the different results of the components, different features are also considered. Experimental results show that the accuracy rate of the proposed method on an English movie review corpus is 88.2%.
