基于半监督学习的微博情感倾向性分析

发布时间：2018-04-02 21:02

  本文选题：情感分析　切入点：reserved　出处：《山东大学学报(理学版)》2014年11期

【摘要】：微博情感倾向性分析通常指对中文微博中每个句子褒义、贬义或者中性的情感进行自动分类。针对微博碎片化和情感类别失衡的特点,在半监督学习reserved self-training方法的框架基础上提取了适用于微博情感分类的文本特征,并提出了针对情感倾向性分析通过训练度阈值设定的方法来优化reserved self-training迭代终止的条件,在保留reserved self-training能有效处理微博语料中语料情感不平衡问题的优点基础上,防止了训练过度情况的发生。COAE 2014微博情感倾向性评测结果证明了该方法的有效性。
[Abstract]:Weibo's affective tendency analysis usually refers to the automatic classification of each sentence's positive, derogatory or neutral emotion in Chinese Weibo.According to the characteristics of Weibo's fragmentation and affective class imbalance, a semi-supervised learning framework of reserved self-training method was used to extract the text features suitable for Weibo's emotional classification.Based on the analysis of affective orientation, the method of training threshold setting is proposed to optimize the conditions of reserved self-training iterative termination. On the basis of preserving the advantages of reserved self-training, which can effectively deal with the emotional imbalance in Weibo corpus, this paper proposes a new method to solve the problem of emotional imbalance in Weibo corpus.The result of emotional tendency evaluation of Weibo 2014 proves the effectiveness of this method.
【作者单位】： 哈尔滨工业大学计算机科学与技术学院;
【分类号】：TP393.092

【相似文献】

相关期刊论文 前10条

1 周志华;;半监督学习专刊前言[J];软件学报;2008年11期

2 刘蓉;李红艳;;半监督学习研究与应用[J];软件导刊;2010年08期

3 陈武锦;;半监督学习研究综述[J];电脑知识与技术;2011年16期

4 梁吉业;高嘉伟;常瑜;;半监督学习研究进展[J];山西大学学报(自然科学版);2009年04期

5 唐晓亮;韩敏;;一种基于极端学习机的半监督学习方法[J];大连理工大学学报;2010年05期

6 李欢;;半监督学习及其在数据挖掘中的应用[J];电脑知识与技术;2010年27期

7 崔鹏;;一种用于半监督学习的核优化设计[J];软件工程师;2013年09期

8 王艳华;杨志豪;李彦鹏;唐利娟;林鸿飞;;基于监督学习和半监督学习的蛋白质关系抽取[J];江西师范大学学报(自然科学版);2013年04期

9 梅松青;;基于自适应图的半监督学习方法[J];计算机系统应用;2014年02期

10 李燕萍;唐振民;丁辉;张燕;;半监督学习机制下的说话人辨认算法[J];计算机工程;2009年14期

相关会议论文 前10条

1 柳斌;李之棠;涂浩;;基于半监督学习的应用流分类方法[A];2010年全国开放式分布与并行计算机学术会议论文集[C];2010年

2 葛荐;马廷淮;;基于集成算法的半监督学习研究[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

3 赵玲玲;周水生;王雪岩;;基于集成算法的半监督学习[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

4 谷方明;刘大有;王新颖;;基于半监督学习的加权支持向量域数据描述方法[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

5 冯瑞;宋春林;;一种基于局部学习的复杂系统建模方法[A];2007中国控制与决策学术年会论文集[C];2007年

6 陈耀东;王挺;陈火旺;;半监督学习和主动学习相结合的浅层语义分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

7 邱慧宁;黄剑;陈羽;赖剑煌;;基于UDP的半监督学习及其在人脸识别的应用[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 杨源;马云龙;林鸿飞;;基于权重标准化SimRank与半监督学习的产品属性归类[A];中国计算语言学研究前沿进展（2009-2011）[C];2011年

9 王倩影;冯国灿;汤鑫;;δ-距离及其在半监督增强中的应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

10 林良宪;利德江;蔡孟璇;邱政贤;;针对小样本分类的半监督式学习法[A];第25届全国灰色系统会议论文集[C];2014年

相关博士学位论文 前10条

1 徐雪;样本的几何信息在半监督学习中的应用研究[D];中国科学技术大学;2010年

2 孔怡青;半监督学习及其应用研究[D];江南大学;2009年

3 兰远东;基于图的半监督学习理论、算法及应用研究[D];华南理工大学;2012年

4 唐晓亮;基于神经网络的半监督学习方法研究[D];大连理工大学;2009年

5 余国先;高维数据上的半监督学习研究[D];华南理工大学;2013年

6 潘俊;基于图的半监督学习及其应用研究[D];浙江大学;2011年

7 王娇;多视图的半监督学习研究[D];北京交通大学;2010年

8 桂杰;基于图的半监督学习和维数约简方法及其应用研究[D];中国科学技术大学;2010年

9 薛贞霞;支持向量机及半监督学习中若干问题的研究[D];西安电子科技大学;2009年

10 吕佳;基于局部学习的半监督分类问题研究[D];内蒙古大学;2012年

相关硕士学位论文 前10条

1 刘伟涛;半监督学习方法及应用研究[D];山东大学;2011年

2 陈新勇;基于核策略的半监督学习方法研究[D];河北大学;2010年

3 冯元佶;基于图的半监督学习的改进研究[D];湘潭大学;2010年

4 黄明明;半监督学习方法研究及在警用平台中的应用[D];大连理工大学;2010年

5 易星;半监督学习若干问题的研究[D];清华大学;2004年

6 余养强;半监督学习若干问题的研究[D];福建师范大学;2010年

7 梁，

本文编号：1702088