基于情感标签的极性分类

• 作者: 周孟 朱福喜
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 极性分类 情感标签 半监督学习 co-training学习
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 科研通信
• 页码范围: 1018-1024
• 页数: 7页
• 分类号: TP391
• 字数: 6851字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112

摘要

情感极性分析是文本挖掘中一种非常重要的技术.然而在不同领域中,很多情感极性分类系统存在分类精度低和缺少大量标注数据的缺陷.针对这些问题,提出了一种基于情感标签的极性分类方法.首先通过所有文本建立Sentiment-Topic模型,抽取出文本的情感标签;然后利用情感标签将文本划分为两个子文本,并通过Co-training算法对子文本进行分类;最后合并两个子文本的分类结果,并确定文本的情感极性.实验结果表明该方法具有较高的分类精度,而且不需要大量的分类样本.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱福喜	武汉大学计算机学院	46	250	9.0	13.0
2	周孟	武汉大学计算机学院	4	15	2.0	3.0