基于圖的半監(jiān)督情感分類算法研究.pdf

1、在互聯(lián)網(wǎng)快速發(fā)展的今天，“大數(shù)據(jù)”的存儲(chǔ)和使用，已經(jīng)成為信息技術(shù)領(lǐng)域急需解決的問(wèn)題。文本數(shù)據(jù)作為人類知識(shí)的載體，意義非凡，如何運(yùn)用大量未標(biāo)記樣本來(lái)提升文本情感分類的精度，也變得愈發(fā)重要。本文主要研究了基于圖的半監(jiān)督情感分類算法，創(chuàng)新工作如下。
　?。?）將半監(jiān)督學(xué)習(xí)中重要的聚類核算法應(yīng)用到情感分類問(wèn)題中，給出了基于聚類核的半監(jiān)督情感分類算法。首先在標(biāo)記樣本和未標(biāo)記樣本上，建立加權(quán)無(wú)向圖后，求解聚類核。然后將該核函數(shù)用于SVM情感分

2、類器的訓(xùn)練上，完成分類工作。該方法直接將未標(biāo)記樣本所蘊(yùn)含的信息融合到核中，不需要建立多個(gè)分類器。實(shí)驗(yàn)表明，該算法在分類精度上明顯優(yōu)于基于Self-learning SVM和Co-training SVM的半監(jiān)督情感分類算法，且在不同數(shù)據(jù)集上都有較好的適應(yīng)性。
　?。?）將聚類核算法同圖最小分割法相結(jié)合應(yīng)用到情感分類問(wèn)題中，建立了基于圖聚類核的半監(jiān)督情感分類算法。首先在所有樣本上進(jìn)行構(gòu)圖，對(duì)鄰近標(biāo)記點(diǎn)和未標(biāo)記點(diǎn)分別給予不同的權(quán)重。然

3、后，求解出基于該圖的聚類核，將通過(guò)聚類核從新表示后的數(shù)據(jù)帶入到圖最小分割法中，得到更好的分類效果。該算法更好的滿足半監(jiān)督學(xué)習(xí)的基本假設(shè)，有效利用了未標(biāo)記樣本中蘊(yùn)含的信息。實(shí)驗(yàn)表明，該算法在分類精度上明顯優(yōu)于其他半監(jiān)督情感分類算法，且不同數(shù)據(jù)集上都有較好結(jié)果。
　?。?）將Graph-of-words文本表示模型引入半監(jiān)督情感分類問(wèn)題中，提出了兩種基于Graph-of-words的半監(jiān)督情感分類算法。在文本預(yù)處理過(guò)程中，使用Grap