基于半監(jiān)督機器學習的文本情感分析技術.pdf

1、互聯(lián)網(wǎng)的發(fā)展日新月異，人們也越來越體會到其對自身學習和生活的各種影響。以往用戶一直是被動的從互聯(lián)網(wǎng)上獲取信息，但是現(xiàn)在越來越多的人主動的參與互聯(lián)網(wǎng)上信息的產(chǎn)生與傳播。因此，隨之而來的是大量用戶信息的產(chǎn)生和網(wǎng)絡信息內(nèi)容的多樣化。面對互聯(lián)網(wǎng)上海量的良莠不齊的信息和數(shù)據(jù)，一方面，用戶需要花費大量的人力和物力去進行判斷與甄別，以獲取對自己有價值的信息，從而幫助自己的日常生活。另一方面，生產(chǎn)商和制造商希望針對這些海量的數(shù)據(jù)來分析大眾對某個產(chǎn)品或服

2、務的評價和反饋，從而幫助他們在瞬息萬變的形勢下做出正確的決策與判斷。情感分析技術便在這樣的背景下應運而生，它是能有效地獲取網(wǎng)絡評論信息的非結(jié)構(gòu)化信息挖掘技術，本文的研究主要針對評價對象的情感傾向問題。
　　首先，本文對國內(nèi)外的情感分析技術研究現(xiàn)狀進行說明，介紹了在情感分析領域使用到的技術及其步驟和主要的支撐算法，并且對各個算法進行了分析與比較。情感分析的支撐算法，都需要有一定數(shù)量的已標注樣本用做訓練，情感分析的準確率會隨著已標注樣

3、本數(shù)量的提升而增加。通過互聯(lián)網(wǎng)我們可以獲取大量未標記的自由文本，如果嘗試對這些未標記的自由文本進行選擇和標注，將耗費大量的物力和人力。所以我們引入了半監(jiān)督機器學習的方法，嘗試利用這些未標記的自由文本，將這些文本的隱含信息引入到標注樣本中來提高分類器的分類性能。然而現(xiàn)有的半監(jiān)督機器學習方法中存在一些缺點，在已標注樣本較少的情況下，分類器的性能往往不夠理想，導致挑選的樣本錯誤率較高，最終無法顯著的提高分類器的準確率。論文詳細地分析了當前國內(nèi)

4、外學術界對于半監(jiān)督機器學習問題的改善方法和意見，并在對他們進行總結(jié)和歸納的基礎上引出了本文的算法。
　　最后，論文提出了一種基于對偶系統(tǒng)的半監(jiān)督情感分類方法。該方法在已有的對偶系統(tǒng)的基礎上，將其移植到半監(jiān)督學習上。并且在半監(jiān)督學習的挑選未標簽樣本的過程中，引入規(guī)則的方法以及長度的信息進而重新定義準確性和差異性。該方法提高挑選樣本的質(zhì)量和準確性，從而提升分類器的學習速率，并且同時保證正確率。通過測試表明，本文提出的算法在已有的半監(jiān)督