基于集成學(xué)習(xí)的中文觀點句抽取方法研究.pdf

1、隨著網(wǎng)絡(luò)的普及和發(fā)展，越來越多的人喜歡在網(wǎng)上自由地發(fā)表自己的觀點和意見。對這些蘊藏著巨大的潛在價值的觀點信息的挖掘和傾向性分析，可為網(wǎng)絡(luò)問政、輿情分析、市場導(dǎo)購等領(lǐng)域提供決策支持。然而，文本中的觀點主要由帶有觀點的句子構(gòu)成，因此，本文開展句子級的觀點抽取方法研究，主要內(nèi)容如下:
　　 (1)基于集成觀點要素的觀點句抽取方法
　　 本文從經(jīng)驗主義的角度出發(fā)，根據(jù)觀點句的語言結(jié)構(gòu)特點，分析了觀點句的重要組成要素，并對觀點要素

2、按照權(quán)重進行集成，設(shè)計了一個觀點句集成分類函數(shù)，希望通過合理分配各觀點要素的權(quán)重，使觀點句能夠得到較高的函數(shù)值，而非觀點句則得到較低的函數(shù)值，從而將觀點句和非觀點句區(qū)分開來。實驗結(jié)果表明，對評價搭配和程度副詞賦予較大的權(quán)重時，評分函數(shù)在觀點句抽取時可取得比較好的效果。
　　 (2)基于半監(jiān)督的集成分類器的觀點句抽取方法
　　 具有與領(lǐng)域相關(guān)的大規(guī)模和高質(zhì)量的標注訓(xùn)練數(shù)據(jù)是提高機器學(xué)習(xí)分類器性能的重要保證，而標注訓(xùn)練語料又

3、是一件費時費工的工程，因此，本文采用Bootstrapping思想擴展訓(xùn)練語料，并從理性主義的角度出發(fā)，在經(jīng)典的機器學(xué)習(xí)分類算法樸素貝葉斯分類器、SVM分類器和最大熵分類器的基礎(chǔ)上進行集成學(xué)習(xí)，提出了基于半監(jiān)督的集成分類器的觀點句抽取方法，實驗結(jié)果表明，集成后分類器的性能明顯優(yōu)于單分類器，并且基于半監(jiān)督的集成分類器的抽取方法在使用少量標注訓(xùn)練數(shù)據(jù)的情況下能與全標注數(shù)據(jù)實驗的結(jié)果基本一致。
　　 (3)設(shè)計并實現(xiàn)了基于java平臺