基于Lasso算法的中文情感混合特征选择方法研究

• 作者: 卫志华 徐凯 李燕
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 中文情感分析 特征选择 Lasso 情感分类 机器学习
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: CRSSC-CWI-CGrC-3WD 2017
• 页码范围: 39-46
• 页数: 8页
• 分类号: TP391
• 字数: 7972字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.01.006

摘要

中文情感分析中的一个重要问题就是情感倾向分类,情感特征选择是基于机器学习的情感倾向分类的前提和基础,其作用在于通过剔除无关或冗余的特征来降低特征集的维数.提出一种将Lasso算法与过滤式特征选择方法相结合的情感混合特征选择方法:先利用Lasso惩罚回归算法对原始特征集合进行筛选,得出冗余度较低的情感分类特征子集;再对特征子集引入CHI,MI,IG等过滤方法来评价候选特征词与文本类别的依赖性权重,并据此剔除候选特征词中相关性较低的特征词;最终,在使用高斯核函数的SVM分类器上对比所提方法与DF,MI,IG和CHI在不同特征词数量下的分类效果.在微博短文本语料库上进行了实验,结果表明所提算法具有有效性和高效性;并且在特征子集维数小于样本数量时,提出的混合方法相比DF,MI,IG和CHI的特征选择效果都有一定程度的改善;通过对比识别率和查全率可以发现,Lasso-MI方法相比MI以及其他过滤方法更为有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卫志华	同济大学电子与信息工程学院计算机科学与技术系	17	129	7.0	11.0
2	徐凯	上海海事大学上海国际航运研究中心港航大数据实验室	20	96	5.0	9.0
3	李燕	同济大学电子与信息工程学院计算机科学与技术系	31	141	7.0	11.0