论文部分内容阅读
通常数据集的情感倾向具有代价敏感性,现有的分类算法并未考虑代价损失问题,使得分类损失较高。基于此,提出一种基于三支决策分类模型的文本情感分析模型,即基于邻域信息的代价敏感三支决策情感分析模型(EATWD)来挖掘文本中的情感类别。首先基于最小构造性覆盖的三支决策模型(MinCA)将所得文本向量划分为正域/负域和边界域。接着采用基于邻域信息的代价敏感方法进一步划分边界域,使得情感分析更加精确,降低分类损失。实验结果表明EATWD算法可以获得较高的准确率、较低的分类损失,在文本情感分析问题求解上具有一定的优势。