版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著旅游行業(yè)在全球范圍內的快速發(fā)展,人們越來越傾向于通過有效的搜索引擎尋找發(fā)現(xiàn)有趣的地方以及收集相關的信息。隨著Web2.0的迅猛發(fā)展,越來越多的人會在一些旅游社區(qū)網站上(如馬蜂窩,驢評網,窮游網等網站)分享自己的旅游經歷,通過點評、游記等方式記錄對目的地,景點,酒店或者相關產品服務的體驗感受。這些網站已經成為旅游者收集相關信息的主要來源。然而,人們常常淹沒在數(shù)量巨大的評價內容中,很難從海量數(shù)據中找到關于旅游目的地的有用信息。文本情感分
2、析以帶有主觀性信息的文本為研究對象,目的是識別、分類、抽取、標注這些文本里表達的情感、觀點、影響。對這些評論進行分析歸納,挖掘有價值內容,幫助用戶更好地做旅行決策,是迫切需要解決的問題。
本文圍繞提高情感分類性能以及不平衡數(shù)據集的情感分類兩個話題進行實驗研究,主要工作包括以下幾個方面:
1)提出了基于序列化規(guī)則(Serialization Rules)的特征提取算法—SR
識別情感所表達的實體和情感表達的方
3、式是情感文本分類的重要環(huán)節(jié),情感分析任務中都采用詞作為特征項,稱作特征詞。其中,情感表達的實體,被稱為主題詞;情感是怎樣表達的,是指情感詞。本文針對特定的句法結構,提出了基于序列化規(guī)則的特征提取方法—SR,有效地提取出能較好代表文本內容的特征項,去除了一些無關的,冗余的特征項,大大降低了特征向量的維度,降低了計算復雜度,提高了文本分類的精確性。
2)結合集成學習理論解決不平衡數(shù)據集的情感分類問題
文本情感分類的大部分
4、研究中,進行分類的正負類樣本數(shù)量基本一致的,即正負類樣本是平衡的。然而在實際的應用場景中,常常出現(xiàn)分類樣本中一個類別的樣本數(shù)量是另一類別樣本數(shù)量的幾倍,多數(shù)類樣本的數(shù)量遠遠大于少數(shù)類樣本,這就是情感分類問題中“不平衡”問題。本文通過結合欠抽樣技術和集成學習理論對不平衡的情感分類數(shù)據進行分類,裝袋欠抽樣算法—BUS(Baggingand Under Sampling)與Stacking組合分類器器方法,提高其分類性能,將情感分類技術能真正
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 文本情感傾向分析若干問題研究.pdf
- 文本聚類分析若干問題研究.pdf
- 語音情感識別與特征分析若干問題研究.pdf
- 情感虛擬人若干問題的研究.pdf
- 視頻圖像中文本提取若干問題研究.pdf
- 文本圖像處理中若干問題的研究.pdf
- 大規(guī)模文本分類的若干問題研究.pdf
- 知識管理和文本挖掘的若干問題研究.pdf
- 視頻行為分析若干問題研究.pdf
- 中文文本自動分類中的若干問題研究.pdf
- 面向動態(tài)文本的在線索引若干問題研究.pdf
- 法醫(yī)DNA分析若干問題的研究.pdf
- 網絡控制若干問題分析與研究.pdf
- WCDMA網絡若干問題分析研究.pdf
- 周期小波分析若干問題研究.pdf
- 期貨會計若干問題分析
- 上海股市若干問題分析
- 幾何的分析中若干問題研究
- 死刑若干問題研究.pdf
- 文本分類和聚類中若干問題的研究.pdf
評論
0/150
提交評論