面向中文网络评论情感分类的集成学习框架
2018-10-19黄佳锋刘志煌黄英仁李万理
中文信息学报 2018年9期
黄佳锋,薛 云,2,卢 昕,刘志煌,吴 威,黄英仁,李万理,陈 鑫,3
(1. 华南师范大学 物理与电信工程学院,广东 广州 510006;2. 广东省数据科学工程技术研究中心,广东 广州 510006;3. 深圳职业技术学院 工业中心,广东 深圳 518055)
0 引言
随着电子商务行业的发展,产生了大量的网络评论文本数据。面对这些海量的网络评论,消费者需要快速了解评论的情感倾向,优化自己的购买决策,而商家也需要从消费者的网络评论情感倾向中总结得到商品的市场反馈信息,对商品进行改善。因此,如何对评论文本进行情感分类已经成为自然语言处理领域的一个重要研究课题。
文本情感分类常用的技术分为基于规则的方法和基于统计的方法。但是基于规则的方法所描述的语言规则非常有限,难以处理复杂的、非结构化的中文网络评论文本[1];而基于统计的方法一般很难通过单个算法构造一个高准确率的分类模型,即某些模型可能只对一类或几类问题有效,而在其他问题上的效果不好,泛化能力差。为了改善这些缺陷,集成学习技术应运而生,并在文本情感分类任务上验证了集成学习的有效性[2]。
但是在针对中文网络评论文本的情感分类任务上,目前还存在以下三个挑战: 第一,中文网络评论具有表达多样化、句子长度不一致的特点,在特征提取时,以TF-IDF为代表的单词权重计算方法[3-4],容易造成文本特征语义信息缺失、特征向量稀疏等问题。第二,由于中文网络评论文本的复杂性,从中提取到的特征通常达到上千个,经典的Random Subspace集成学习方法[5]虽然可以解决特征繁多问题,但是由于特征子空间是完全随机抽取的,难以保证基分类器的性能。……
登录APP查看全文
