孟佳娜，于玉海，赵丹丹，孙世昶

(大连民族大学 计算机科学与工程学院，辽宁 大连 116600)



特征和实例迁移相融合的跨领域倾向性分析

孟佳娜，于玉海，赵丹丹，孙世昶

(大连民族大学 计算机科学与工程学院，辽宁 大连 116600)

在情感倾向性分析中，经常会发生由于领域知识的变化引起的分类精度下降的问题。为解决此类问题，该文提出了一种基于实例和特征相融合的知识迁移方法,首先通过三部图构建了源领域和目标领域的领域依赖特征词之间的关联,并得到一个公共的语义空间来对原有的向量空间模型进行重建,然后再通过带偏置的马尔科夫模型，建立源领域和目标领域实例之间的关联,从而有效的将源领域学习到的情感倾向性知识迁移到目标领域中,高于其它方法的实验结果验证了算法的有效性。

跨领域倾向性分析；迁移学习；偏置的马尔科夫模型

1 引言

随着互联网进入Web2.0时代，Internet逐步地从静态的信息载体变成人们表达意见、交流情感的平台，近些年对于主观性信息的检索和利用日益受到重视，这项技术的关键是如何识别人们的主观意见，其中的核心技术就是文本情感倾向性分析。文本情感倾向性分析的研究已经在理论研究和应用方面取得了许多进展，然而，Web网页更新速度快，用来进行训练的数据随着时间的变化已经过时，而重新标注新得到的数据又耗时耗力。由于训练集与测试集的数据分布不同，分类器的分类准确率就会降低。……