基于多分类器投票集成的半监督情感分类方法研究

• 作者: 范磊 黄伟
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 情感分类 集成学习 半监督学习
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 情感分析与社会计算
• 页码范围: 41-49,106
• 页数: 10页
• 分类号: TP391
• 语种: 中文

摘要

情感分类是目前自然语言处理领域的一个具有挑战性的研究热点,该文主要研究基于半监督的文本情感分类问题.传统基于Co-training的半监督情感分类方法要求文本具备大量有用的属性集,其训练过程是线性时间的计算复杂度并且不适用于非平衡语料.该文提出了一种基于多分类器投票集成的半监督情感分类方法,通过选取不同的训练集、特征参数和分类方法构建了一组有差异的子分类器,每轮通过简单投票挑选出置信度最高的样本使训练集扩大一倍并更新训练模型.该方法使得子分类器可共享有用的属性集,具有对数时间复杂度并且可用于非平衡语料.实验结果表明我们的方法在不同语种、不同领域、不同规模大小,平衡和非平衡语料的情感分类中均具有良好效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范磊		48	242	7.0	13.0
2	黄伟		25	117	7.0	10.0