基于产品评论的跨语言情感分类技术研究

发布时间：2024-04-03 05:19

　　随着科学技术的飞速发展,互联网上随处可见的是用户对商品或者服务的评论,其中最有价值的信息莫过于人们对商品评论中带有的情感信息,这些信息对情感分类的研究具有很大的价值。但是,由于不同语言的情感资源在质量和数量上的分布不均匀,无法更好的对情感资源不足的语言进行情感分类。为解决此问题,研究者通常利用情感资源丰富的语言来解决资源缺乏语言的跨语言情感分类问题。传统的跨语言情感分类主要是使用机器翻译系统将一种语言翻译到另一种语言,然后在该语言下进行情感分类,但是机器翻译质量严重影响着分类的准确率。目前的跨语言情感分类问题是如何更好的减少不同语言之间的间隙,针对这一问题,本文对跨语言情感分类所面临的问题进行详细地分析,找到两种不同语言之间的映射表示关系,通过该映射来进行跨语言情感分类,主要研究内容如下。1)利用拉普拉斯映射对基于结构对应学习的跨语言情感分类算法(CLSCL)进行改进,提出了改进的算法(M-CLSCL),根据源语言和目标语言之间潜在的关系,选出轴心特征词对,最后借助选出来的轴心特征词对,学习一个映射函数,借助该函数来进行跨语言的情感分类。2)提出了一种基于Autoencoder的跨语言...

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

图2.1基于监督学习的情感分类流程

基于产品评论的跨语言情感分类技术研究8图2.1基于监督学习的情感分类流程下面分别介绍这四个方面：1）文本预处理文本预处理是一种文本表示过程，其首先通过提炼主要的关键词信息然后将这些信息进行文本表示。核心工作是对得到的文本中的数据进行处理，目的是去除文本中与分类任务不相关的内容，其....

图2.2支持向量机（SVM）超平面分类示意图

河北工业大学硕士学位论文13训练集中寻找具有最大间隔的超平面作为二分类器。设特征空间有正负训练样例如（2.9）所示。111111,,,,d,1,1iixyxyxyxRy(2.9)ix是一个d维空间向量，用来表示第i个训练样例，iy为所属的类别，SVM的目的是在d维空间中找到一个分....

图3.1文档集改进之后的算法M-CLSCL主要是在原算法（CLSCL）形成矩阵12,,mWWWWW的基础上构造对角矩阵D，然后构造对角矩阵D的拉普拉斯矩阵

基于产品评论的跨语言情感分类技术研究22图3.1文档集改进之后的算法M-CLSCL主要是在原算法（CLSCL）形成矩阵12,,mWWWWW的基础上构造对角矩阵D，然后构造对角矩阵D的拉普拉斯矩阵LDW，求解拉普拉斯矩阵L的前k个特征值，形成矩阵12,kEeee。W表示的是轴心词对....

图3.2改进的基于结构对应学习的跨语言情感分类算法（M-CLSCL）流程图

基于产品评论的跨语言情感分类技术研究24图3.2改进的基于结构对应学习的跨语言情感分类算法（M-CLSCL）流程图3.5实验设计与结果分析3.5.1实验运行环境论文实验的硬件环境：处理器：Intel(R)Core(TM)i5-2400CPU@2.9GHz内存：要求4G以上硬盘：要....

本文编号：3946777