面向跨领域情感分类的特征选择方法

• 作者: 周全 张玉红 胡学钢
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 特征选择 跨领域 情感分类
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 研究与应用
• 页码范围: 1068-1072
• 页数: 5页
• 分类号: TP181
• 字数: 3827字
• 语种: 中文

摘要

数据标记的难以获取使得跨领域适应成为一种有效的途径。然而情感分类具有较强的领域依赖性,利用传统的特征选择方法在原始领域构建的特征空间不能体现领域间的共性,难以适用于目标领域。为此,提出一种面向跨领域情感分类的特征选择方法( LLRTF),利用对数似然比选取在原始领域富有判别力的特征,并通过对照两个领域的统计信息,选出其中在目标领域影响较大的特征。基于该方法构建的公共特征空间,能减少领域间数据分布的差异。实验结果表明,LLRTF优于基准算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡学钢	合肥工业大学计算机与信息学院	314	3156	27.0	39.0
2	张玉红	合肥工业大学计算机与信息学院	32	260	10.0	14.0
3	周全	合肥工业大学计算机与信息学院	14	49	4.0	6.0