吕韶华，杨 亮，林鸿飞

（大连理工大学 计算机科学与技术学院，辽宁 大连116024）

1 引言

随着Web2.0的快速发展，主观文本数量呈指数增长，对主观文本进行倾向性判断是情感计算领域的热点问题。传统的倾向性分析［1－2］均是判断特定领域的情感倾向性，投入大量时间和资金对文本进行标注，然后利用监督分类方法对标注后的文本进行训练，得到倾向性分析的模型，然后用此模型来对新的文本进行倾向性判断。但是面对不同领域的文本，如果直接利用由监督分类方法实验所得出的模型进行倾向性分析，准确率偏低。面临这个难题，各种跨领域情感倾向性分析方法应运而生。

跨领域情感倾向性分析是指利用源领域中已标注情感倾向性的文本，得到新目标领域中未标注情感倾向性的文本的倾向性。文献［3］利用图排序算法处理跨领域情感倾向性分析问题，文中同时考虑了新旧两个领域之间文档的相似度从而对其进行赋值：首先，在旧领域和新领域文本之间建立内容相似矩阵；再对该矩阵进行标准化后得到与新领域每个文档的相似度最大的前K个旧领域中的文档；然后，使用同样的方法找到新领域中文档内容之间相似的文档；最后，依据标注文本的倾向性和得到的K个相似文档，计算各个文档的情感倾向性分数，对上述两个分数进行线性加和后得到文档的最后情感分，进而依据最后的得分确定新领域中各个文本的情感倾向性。……