于海燕，陈丽如，郑文斌

(中国计量大学 信息工程学院，浙江 杭州 310018)



基于核超限学习机的中文文本情感分类

于海燕，陈丽如，郑文斌

(中国计量大学 信息工程学院，浙江 杭州 310018)

【摘要】针对传统情感分类算法存在的参数学习困难及分类性能较低等问题，提出了一种基于核超限学习机的中文文本情感分类方法.首先通过信息增益对训练数据进行特征选择以降低输入维数，然后通过构建基于小波核超限学习机的分类器实现对中文文本的情感分类.实验结果表明，新方法参数学习容易，且其文本情感分类性能通常优于支持向量机和朴素贝叶斯.

【关键词】核超限学习机；情感分类；中文文本

随着科学技术的发展，互联网越来越普及，Web2.0给人们带来了很大的互动性，人们不仅可以阅读网页，而且还可以在网上对商品的满意度、当下热点话题、时事政治等发表自己的观点和表明态度.商业公司、用户等迫切需要计算机能够有效地判断这些观点和态度的情感倾向性，以帮助他们做出正确的决策.文本情感分类获得越来越多的关注.

情感分类主要是判断文本的情感倾向性，即褒贬性[1-3].当前研究使用的技术主要分为两大类：一类是基于词典的方法[4,5]，通过构建情感词典，并计算情感文本中正负情感词的个数以实现情感分类；另一类是基于机器学习的方法[1,6,7]，如：朴素贝叶斯[8](Naive Bayes，NB)、支持向量机[9](Support Vector Machine，SVM)等.当前很多研究结果表明，基于机器学习的方法比基于词典的方法性能好[1,2].然而，这些方法仍然存在一些问题，如：NB完全忽略了特征项之间的联系[10]，而文本特征间明显存在关联；……