基于强化表征学习深度森林的文本情感分类

• 作者: 刘箴 柴玉梅 王黎明 韩慧
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 情感分类 特征提取 深度森林 AdaBoost
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 172-179
• 页数: 8页
• 分类号: TP391
• 字数: 8799字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2019.07.027

摘要

为了有效实现评论文本的情感倾向性预测,在深度森林模型的基础上提出一种基于强化表征学习的深度森林算法BFDF(Boosting Feature of Deep Forest)来对文本进行情感分类.首先,提取二元特征与情感语义概率特征;其次,对二元特征中的评价对象做聚类处理以及特征融合;然后,改进深度森林级联层的表征学习能力,避免特征信息逐渐削减;最后,将AdaBoost方法融入到深度森林,使深度森林注意到不同特征的重要性,进而得到改进的模型BFDF.在酒店评论语料集上进行了实验验证,实验结果证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王黎明	郑州大学信息工程学院	81	602	14.0	20.0
2	柴玉梅	郑州大学信息工程学院	71	900	17.0	28.0
3	刘箴	宁波大学信息科学与工程学院	81	465	11.0	18.0
4	韩慧	郑州大学信息工程学院	15	51	4.0	6.0