基于贝叶斯网的跨领域情感分析方法

• 作者: 刘慧清 李维华 郭延哺
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 跨领域情感分析 贝叶斯网 融合 迁移
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 119-126
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.12.019

摘要

基于机器学习的情感分析依赖于充足的标签样本.针对标签样本不足以及情感分类器存在的领域适应性问题,提出一种基于贝叶斯网的跨领域情感分析方法.基于贝叶斯网,对源领域和目标领域构建局部特征模型;研究局部特征模型的融合方法并构建全局特征模型;基于全局特征模型建立情感知识的迁移方法并训练分类器.在Amazon数据集上进行实验,结果表明,该方法在一定程度上提高了目标领域文本的情感分类精度,以及分类器在目标领域中的适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李维华		12	64	4.0	7.0
2	刘慧清		2	0	0.0	0.0
3	郭延哺		5	34	2.0	5.0