论文部分内容阅读
基于机器学习的情感分析依赖于充足的标签样本。针对标签样本不足以及情感分类器存在的领域适应性问题,提出一种基于贝叶斯网的跨领域情感分析方法。基于贝叶斯网,对源领域和目标领域构建局部特征模型;研究局部特征模型的融合方法并构建全局特征模型;基于全局特征模型建立情感知识的迁移方法并训练分类器。在Amazon数据集上进行实验,结果表明,该方法在一定程度上提高了目标领域文本的情感分类精度,以及分类器在目标领域中的适应性。