基于Stacking的酒店评论情感分析研究.pdfVIP

重庆大学硕士学位论文 中文摘要 摘 要 随着互联网的迅速发展，人们经常在网上预订酒店。但是网络上的酒店评论 良莠不齐，面对五花八门的信息时，仅仅依靠人工浏览是费时且费力的。通过使 用机器学习领域的某些方法，对大量的酒店评论信息进行情感分析，这不仅可以 极大的方便消费者网上预订酒店，而且对于酒店商家和互联网平台来说也是至关 重要的。 对于酒店评论的情感分析，常用的TF-IDF 加权方法只片面的关注了特征的词 频和文档数。同时，在分类过程中单一的机器学习模型也往往由于某种缺陷，影 响文本的分类结果。因此，本文在现有基础上改进了传统的TF-IDF 加权方法，提 出了一种基于集成的情感分类模型。 本文的主要工作如下: ①对酒店评论文本进行预处理。首先是简单的清理酒店评论文本，包括去重、 去掉无意义的字符、正确划分评论的所属类别等。然后为了在酒店评论的情感分 析中，准确区分评论中的情感极性词，构建了由通用的已有词典和人工抽取的酒 店情感词组成的情感词典。最后针对分词中存在着情感词识别和新词识别这两个 问题，引入自定义词典对评论文本进行了分词操作。 ②使用Word2Vec 对预处理后的酒店评论进行特征提取，得到文本的特征向量。 由于传统的TF-IDF 加权方法忽略了特征和类别之间的关联程度以及情感词对情感 分类的重要影响，本文提出了一种改进的TF-IDF 加权方法，该方法不仅充分的考 虑了特征在类间和类内的分布情况，同时还适当的增加了情感特征在加权时的权 重值。最后通过实验对比和分析可知，改进后的 TF-IDF 加权方法比改进前的 TF-IDF 加权方法查准率和F 值都要高。 ③使用多种机器学习算法对酒店评论文本进行情感分析，根据分类结果选择 随机森林、SVM 和KNN 作为Stacking 中的基分类器。然而在基于Stacking 组合 的实验过程中发现，集成的分类结果相对于基分类器中表现最好的随机森林来说， 准确率和F 值都有所下降。针对这种情况，本文对基分类器中表现相对较差的SVM 和KNN 进行了分类性能的提升。首先使用改进的Adaboost 集成方法来增强SVM 的分类效果。然后比较KNN 的两种权重分配方式，并通过Random Subspace 集成 KNN ，解决KNN 的维度灾难问题。最后通过对比Stacking 中基分类器提升前后的 实验结果，验证了本文提出的情感分类模型的有效性。 I 重庆大学硕士学位论文 中文摘要 关键词：情感分析；特征向量；权重计算；机器学习；集成学习 II 重庆大学硕士学位论文 英文摘要 ABSTRACT With the rapid development of the Internet, people often book hotels online. However, hotel reviews are mixed on the Internet, and it is time-consuming and laborious to rely solely on manual browsing when facing a variety of information. Using some machine learning methods to analyze the emotional categories of a large number of hotel r