论文部分内容阅读
随着电子商务技术的迅猛发展,互联网上出现了海量带有情感色彩的主观文本。如何有效地对这些文本进行处理,显得越来越重要,在这样的背景下,情感分析技术应运而生。文本情感分类作为情感分析的一个重要子任务,得到了研究者的广泛关注。目前来看,现有的情感分类研究主要都集中在英文文本上,针对中文文本的研究相对较少。近年来,随着贸易的国际化和经济的全球化,大量网络上的信息存在语言多样化的现象,这使得国家,社会甚至个人必须处理不同语言的文档。在这种情形下,面向多种语言的情感分类研究已经成为了一个当前重要的研究课题。但是目前针对篇章级情感分类的研究方法中,无论研究对象是单语言还是多种语言,都没能充分考虑情感分类中特有的情感知识语义特征,导致了情感分类的准确率普遍低于普通文本分类。针对上述问题,本文分别面向中文和跨语言在情感分类上进行了比较深入的研究,挖掘情感知识中特有的语义特征,并与机器学习的方法进行有效的融合,主要工作包括:(1)针对中文篇章级情感分类准确率低于普通文本分类的问题,提出了一种基于知识语义权重特征的朴素贝叶斯情感分类算法。首先,通过特征选择的方法,对情感词典中的词进行重要度评分并赋予不同权重。然后,基于词典极性的分布信息与文档情感分类的相关性,将情感词的语义权重特征融合到朴素贝叶斯分类中,实现了新算法。在标准中文数据集上的实验结果表明,本文提出的算法在准确率,召回率和F1测度上都优于已有的一些算法。(2)针对已有的篇章级跨语言情感分类算法无法有效克服语言转换所造成的误差,以及算法常常仅考虑情感知识的分布信息,而忽略了情感知识的语义信息,影响了跨语言情感分类的准确率的问题,本文提出了一种基于句法分析和属性概率权重的跨语言情感分类算法。首先,通过句法分析得到表征词语之间关系的依赖对,再将依赖对翻译到目标语言。然后,基于词典极性的分布信息与文档情感分类的相关性,将类别属性的语义权重特征融合到朴素贝叶斯分类方法中,实现了新的分类方法。用英文带标签的分类数据集作为训练语料,标准中文数据集作为测试语料做了大量的实验,实验结果表明了本文提出算法的有效性。