基于多粒度计算和多准则融合的情感分类精选.pdf

ISSN 1000—0055 清华大学学报 (自然科学版) 2015年 第 55卷 第 5期 3／18 JTsinghuaUniv(Sci＆Techno1)，2015，Vo1．55，No．5 497—5O2 基于多粒度计算和多准则融合的情感分类 王丙坤 ， 黄永峰， 李 星 (清华大学 电子 工程 系，北京 100084) 摘 要 ：随着在线用户生成 内容的激增，无监督情感分类方 随着评论和社交媒体 的飞速发展 ，用户生成 内 法有着广泛应用前景 。现有基于情感词 的无监督情感分类 容出现爆炸式增加 。如何有效挖掘用户生成 内容 中 方法没有考虑句子类型和句 间关系对情感分类的影响，分类 的观点信息，对 自然语 言处理和 Web挖掘提出了 效果较差；基于 自学习的无监督情感分类方法在生成伪标 新挑战 ]。因此，网络文本情感分类技术受到 了越 注数据集时，又会 引入较多错误 。针对上述 问题 ，该文提 出 来越多的研究 J。 了一种基于多粒度计算和多准则融合的无监督情感分类方 现有情感分类方法主要分为 3类 ：有监督、无 法 该方法通过多粒度计算 ，提高现有基于情感词 的无监 督情感分类精度 ；同时通过多准则融合来减少伪标注数据 监督和半监督方法_3]。有监督方法主要采用传统文 错误率。在 3个真实中文数据集上的实验结果表明：与现 本分类器实现情感分类 ]。与传统文本分类方法不 有无监督情感分类方法相比，该方法平均提高了6．5 的分 同，情感分类具有较强的领域依赖性[c]。为获得较 类精度 。 好性能，有监督方法需要大量人工标注训练数据 ， 关键词：情感分类；无监督方法；多粒度计算；多准则融合 同时，要求测试数据和训练数据的领域分布尽量一 中图分类号 ：TP391．1 文献标志码 ：A 致 ]。为每个领域标注大量训练数据是一项费时、 文章编号 ：1000—0054(2015)05—0497-06 费力 、消耗大的工作，已成为有监督方法应用的主 要瓶颈。 为解决人工标注大量数据的问题 ，出现 了只需 少量标注数据 的半监督方法和不需要标注数据的无 监督方法。在半监督方法中，现有研究成果主要 以 少量人工标注数据为初始训练集 ，训练情感分类 器 ；然后基于 自学习框架 ，通过选择可信度高的数 据加入初始训练集 ，迭代训练分类器 ，最终实现情 感分类 书]。现有无监督方法主要有 2类 ：一是基 于种子情感词扩展或情感词典实现情感分类 ； 二是以基于情感词的无监督方法为基础 ，采用 自学 习框架 ，生成伪标注数据集 ，训练 自学习情感分类