基于stacking組合的文本情感分類研究.pdf

1、Web2.0的飛速發(fā)展使得人們在社交媒體中的參與度不斷提高，隨之產(chǎn)生的各種攜帶用戶觀點(diǎn)和情感的結(jié)構(gòu)化與非結(jié)構(gòu)化信息為研究者們提供了大量可研究的資源，對其進(jìn)行情感分類可在輿情風(fēng)險(xiǎn)分析和商品銷售等領(lǐng)域的發(fā)展中產(chǎn)生極大價(jià)值。文本情感分類通常包括主客觀信息分類和主觀情感極性分類，本文從后者入手進(jìn)行研究。而目前，在情感分類研究領(lǐng)域擁有不錯(cuò)表現(xiàn)的方法包括傳統(tǒng)機(jī)器學(xué)習(xí)方法中的支持向量機(jī)算法，以及近年來慢慢興起并成為研究熱點(diǎn)的基于深度學(xué)習(xí)的分類方法。若

2、能將它們進(jìn)行組合，充分利用各自的優(yōu)勢，將有利于分類性能的進(jìn)一步提升?；诖耍疚臉?gòu)建了一個(gè)基于stacking組合的文本情感分類模型，其具體工作如下:
　　首先，目前用于情感分類任務(wù)的開放語料資源相對匱乏，加之近年Web2.0環(huán)境下互聯(lián)網(wǎng)中的語言變得愈加新穎而獨(dú)特，為此，本文整理了較為研究者們所認(rèn)可的傳統(tǒng)語料的同時(shí)，收集了來自于某第三方點(diǎn)評網(wǎng)站的評論語料，爾后組織人員對其進(jìn)行標(biāo)注驗(yàn)證并對檢驗(yàn)方法的合理性予以論證，從而構(gòu)建出本文實(shí)驗(yàn)

3、的樣本集。
　　其次，支持向量機(jī)算法在文本情感分類領(lǐng)域中因其獨(dú)特的分類機(jī)制而在傳統(tǒng)機(jī)器學(xué)習(xí)方法中更勝一籌，本文在原生的支持向量機(jī)模型基礎(chǔ)上稍作改動(dòng)，使其具有更強(qiáng)的適應(yīng)性。一方面，針對目前互聯(lián)網(wǎng)中網(wǎng)絡(luò)用語、表情符、錯(cuò)別字等現(xiàn)象頻出的狀況，本文單獨(dú)處理表情符，將其作為一般特征看待，收集并構(gòu)建情感詞集和網(wǎng)絡(luò)語詞集作為用戶詞典，指導(dǎo)分詞過程以提高其分詞精度。另一方面，在特征選擇與加權(quán)上也做出相應(yīng)調(diào)整以優(yōu)化特征處理效率。
　　最后，支