王 琴，刘 盾

西南交通大学 经济管理学院，成都 610031

近年来随着在线评论的爆炸性增长，情感分析[1-2]受到了学术界和业界越来越多的关注。文本情感分析（也称为观点挖掘）可以从文本中发掘人们的观点和情感[1]。情感分类是情感分析领域的一项重要任务，具有许多应用价值。Pang和Lee对Twitter和Facebook等社交媒体平台上文本内容进行观点挖掘和情感分析，并进一步对消费者行为进行了预测和评估[2]。Hu和Liu对电子商务中的评论进行文本分类，以帮助消费者做出更明智的购物决策[3]。另外，对用户生成内容（UGC）的情绪进行分类也被广泛应用到个性化推荐之中[4]。由此可见，情感分类已成为自然语言处理和文本挖掘的重要研究方向之一。

情感分类研究作为情感分析的重要组成部分，其研究方法主要可以分为两类：基于词典的方法和基于语料库的方法。基于词典的方法通常使用情感词字典，并结合副词和否定词强化或否定来计算每个文本的情感。现有的基于语料库的方法主要有两类：机器学习方法和深度学习方法[5]。机器学习方法是通过对文本进行向量化表示，然后结合分类算法来完成情感分类。深度学习方法专注于使用神经语言模型和自然语言处理技术，对学习到的词向量进行合成来指导分类[6]。现有大多情感分析研究主要致力于提高模型分类精度，较少考虑错误分类所产生的误分类成本。此外在实际应用中，将不同类别错误分类所产生的误分类成本可能是不一样的。……