基于集成学习的中文微博情感分类方法.pdfVIP

Information Technology 信息科技 基于集成学习的中文微博情感分类方法 吴冲冲 1,2 1.同济大学计算机科学与技术系，上海 201804 2.同济大学嵌入式系统与服务计算教育部重点实验室，上海 200092 摘 要 针对微博的情感分类方法多种多样，但是他们的效果各有千秋。因而选取了两种比较典型方法：一、基 于支持向量机（SVM）的方法，二、基于条件随机场模型（CRFs）的方法。方法一是选取合适的特征值，并将之 向量化，再使用SVM进行分类；方法二首先进行序列标注，然后使用合适的特征模板来进行特征特取，最后导入 CRFs模型进行分类。在此基础上，以这两种分类器为核心，提出了一种加权平均的集成分类方法。最终实验结果 表明：集成分类器的效果优于单一分类器的效果。 关 键 词 情感分类；支持向量机；条件随机场；集成分类 中图分类号 TP39    文献标识码 A        文章编号 1674-6708（2014）121-0235-03 随着互联网以及智能手机的普及微博语料的规模也呈几 CRFs 是基于无向图的指数概率模型 ，它采用了链式无向 何方式增长。对微博语料进行研究 ，这之中拥有巨大的商业价 图结构计算给定观察值条件下输出状态的条件概率 [9] 。假设 值 ；所以如何有效地使用和分析这些语料信息成为当前的迫切 X (x ,x ,...,x ) 为观测序列 ，那么 Y (y ,y ,...,y ) 为待预 1 2 n 1 2 n 需求 , 这促进了文本情感分析技术的发展 [1][2]。 测的标记序列 ，那么 X，Y 的联合概率 p （y |x）（即条件随机场）： 国内外关于情感分类的研究方法 ，主要有两种 ：基于语 1 p (y |x, λ) exp (∑λ F (y ,x)) （3） 义的方法以及机器学习的方法。基于语义的方法通常通过构造 Z (x) j j 正负情感词典以及结合语义结构的方法对文本中的情感进行分 其中归一化因子 Z （x）也是特征函数。对于离散型特征 ， 类 ；机器学习的方法 ，主要是通过选取文本的分类特征 ，比如 函数的取值通常为 0 或 1, 它对应特征函数的权重 [11] 。特征函 DF，信息熵等 ，训练出不同分类器。基本上可以分为有监督和 数的权重可以使用最大似然估计法通过模型训练获得。对于序 [3] 无监督两类。常用的算法包括朴素贝叶斯、支持向量机等 。 列标注 ，给定一个输入序列 X，模型用 Viterbi 算法求出以输 本文提出了一种基于加权平均的集成分类方