基于情感标签的极性分类!.pdfVIP

第４期 电　　子　　学　　报 Ｖｏｌ．４５　Ｎｏ．４ ２０１７年４月 ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡ Ａｐｒ．　２０１７ 基于情感标签的极性分类 周　孟，朱福喜 （武汉大学计算机学院，湖北武汉４３００７２） 　　摘　要：　情感极性分析是文本挖掘中一种非常重要的技术．然而在不同领域中，很多情感极性分类系统存在分 类精度低和缺少大量标注数据的缺陷．针对这些问题，提出了一种基于情感标签的极性分类方法．首先通过所有文本 建立ＳｅｎｔｉｍｅｎｔＴｏｐｉｃ模型，抽取出文本的情感标签；然后利用情感标签将文本划分为两个子文本，并通过 Ｃｏｔｒａｉｎｉｎｇ 算法对子文本进行分类；最后合并两个子文本的分类结果，并确定文本的情感极性．实验结果表明该方法具有较高的 分类精度，而且不需要大量的分类样本． 关键词：　极性分类；情感标签；半监督学习；ｃｏｔｒａｉｎｉｎｇ学习 中图分类号：　ＴＰ３９１　　　文献标识码：　Ａ　　　文章编号：　０３７２２１１２（２０１７）０４１０１８０７ 电子学报ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｅｊｏｕｒｎａｌ．ｏｒｇ．ｃｎ　 ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．０３７２２１１２．２０１７．０４．０３４ ＰｏｌａｒｉｔｙＣｌａｓｓｉｆｉｃａｔｉｏｎＢａｓｅｄｏｎＳｅｎｔｉｍｅｎｔＴａｇｓ ＺＨＯＵＭｅｎｇ，ＺＨＵＦｕｘｉ （ＣｏｍｐｕｔｅｒＳｃｈｏｏｌ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ，Ｈｕｂｅｉ４３００７２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　Ｓｅｎｔｉｍｅｎｔａｎａｌｙｓｉｓｉｓａｖｅｒｙｉｍｐｏｒｔａｎｔｔｅｃｈｎｏｌｏｇｙｉｎｔｅｘｔｍｉｎｉｎｇ．Ｈｏｗｅｖｅｒ，ａｎｕｍｂｅｒｏｆｓｙｓｔｅｍｓｒｅｑｕｉｒｅａ ｍｏｕｎｔｓｏｆａｎｎｏｔａｔｅｄｔｒａｉｎｉｎｇｄａｔａｉｎｄｉｆｆｅｒｅｎｔｆｉｅｌｄｓ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｓｅｐｒｏｂｌｅｍｓ，ａｎａｐｐｒｏａｃｈｔｏｐｏｌａｒｉｔｙｃｌａｓｓｉｆｉｃａｔｉｏｎ ｂａｓｅｄｏｎｓｅｎｔｉｍｅｎｔｔａｇｓｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｏｎｔｈｅｂａｓｉｓｏｆａｌｌｔｈｅｄｏｃｕｍｅｎｔｓ，ｔｈｅｓｅｎｔｉｍｅｎｔｔｏｐｉｃｍｏｄｅｌｉｓｄｅｖｅｌｏｐｅｄａｎｄ ｔｈｅｓｅｎｔｉｍｅｎｔｔａｇｓｆｏｒｅａｃｈｒｅｖｉｅｗａｒｅｅｘｔｒａｃｔｅｄ．Ｔｈｅｎｅａｃｈｒｅｖｉｅｗｉｓｄｉｖｉｄｅｄｉｎｔｏｔｗｏｓｕｂｔｅｘｔｓｂｙｔｈｅｓｅｓｅｎｔｉｍｅｎｔｔａｇｓ，ａｎｄ ｅａｃｈｓｕｂｔｅｘｔｉｓｃｌａｓｓｉｆｉｅｄｂｙｅｘｐｌｏｉｔｉｎｇｔｈｅｃｏｔｒａｉｎｉｎｇａｌｇｏｒｉｔｈｍ．Ｆｉｎａｌｌｙ，ｔｈｅｃａｔｅｇｏｒｙｒｅｓｕｌｔｓｏｆｔｗｏｓｕｂｔｅｘｔｓａｒｅｃｏｍｂｉｎｅｄ ｔｏｄｅｔｅｒｍｉｎｅｄｏｃｕｍｅｎｔｌｅｖｅｌｐｏｌａｒｉｔｙｏｆｅａｃｈｒｅｖｉｅｗ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈｏｔｈｅｒａｌｇｏｒｉｔｈｍｓ，ｔｈｅ ｍｅｔｈｏｄｉｍｐｒｏｖｅｓｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｐｒｅｃｉｓｉｏｎｗｉｔｈｏｕｔａｌａｒｇｅｎｕｍｂｅｒｏｆａｎｎｏｔａｔｅｄｓａｍｐｌｅｓ． Ｋｅｙｗｏｒｄｓ：　ｐｏｌａｒｉｔｙｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｓｅｎｔｉｍｅｎｔｔａｇ；ｓｅｍｉｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ；ｃｏｔｒａｉｎｉｎｇｌｅａｒｎｉｎｇ 错”的重要性远远要高于其他情感词．并且“方便”与