热门搜索: 论文 发表 社科期刊 北大核心 南大核心 cssci 科技期刊 教育

当前位置:主页 > 经济论文 > 国际贸易论文 >

基于半监督协同训练的文本情感分类研究

发布时间:2019-02-19 12:17  文章来源:笔耕文化传播
【摘要】:随着Web2.0的快速发展,互联网上产生了大量的用户生成内容(User Generated Content)。这些用户生成内容包含大量有用的情感信息,对于用户决策和企业的产品改进等有着重要的价值。因此,如何使用文本情感分类技术对海量的用户生成内容中的情感信息进行挖掘,已经成为学术界和产业界的一个热点问题。目前虽然基于机器学习的文本情感分类方法已经取得较好的结果,但是在实际应用中获取有标记样本需要消耗大量的人力,相反获取未标记样本却十分容易。因此,如何利用少量有标记样本和大量未标记样本进行文本情感分类已成为一个亟待解决的问题。为此本研究将半监督协同训练方法引入到文本情感分类方法当中,用于解决文本情感分类中未标记样本的利用问题。首先,本研究分析了文本情感分类和半监督学习的研究现状,明确了当前的研究问题和未来的研究方向。其次,本研究对文本情感分类和半监督学习的基础理论进行了系统研究,分析了文本情感分类的主要任务、文本情感分类的主要方法,以及半监督学习的基本假设、半监督学习的有效性和半监督学习的主要方法等基础理论。然后,以此为基础,本研究对基于半监督协同训练的文本情感分类方法进行了研究。考虑到当前已有研究还较少关注数据分布对文本情感分类的影响,本研究从数据分布是否均衡两个角度,分别构建了数据分布均衡条件下基于IDSSL的文本情感分类模型,以及在数据分布非均衡数据条件下基于混合策略的文本情感分类模型。最后,本研究将基于半监督协同训练的文本情感分类方法引入到实际应用中,通过选取电子商务和医疗社交媒体两个实际应用场景,分别对两类基于半监督协同训练的文本情感分类方法的有效性进行了检验。实验结果表明,本研究提出的方法在不同数据分布情况下均取得了较好的结果,从而验证了本研究提出方法的有效性。通过本研究,一方面将半监督学习方法引入到文本情感分类问题中,拓展了文本情感分类和半监督学习的基础理论,并以此为基础构建了基于半监督协同训练的文本情感分类模型。另一方面,将基于半监督协同训练的文本情感分类模型应用于具体实际问题中,拓展了文本情感分类和半监督学习的应用范围。
[Abstract]:With the rapid development of Web2.0, a large number of user-generated content (User Generated Content). Have been generated on the Internet. These user-generated content contains a large amount of useful emotional information, which is of great value to user decision-making and product improvement in enterprises. Therefore, how to use text emotion classification technology to mine the emotional information in the massive user-generated content has become a hot issue in academia and industry. Although the text affective classification method based on machine learning has achieved good results, it takes a lot of manpower to obtain labeled samples in practical applications. On the contrary, it is very easy to obtain unlabeled samples. Therefore, how to use a small number of labeled samples and a large number of unlabeled samples for text affective classification has become an urgent problem. In order to solve the problem of using unlabeled samples in text affective classification, semi-supervised cooperative training method is introduced into text affective classification. Firstly, this study analyzes the current situation of text affective classification and semi-supervised learning, and clarifies the current research issues and future research directions. Secondly, this study systematically studies the basic theories of text emotion classification and semi-supervised learning, analyzes the main tasks of text emotion classification, the main methods of text emotion classification, and the basic assumptions of semi-supervised learning. The effectiveness of semi-supervised learning and the main methods of semi-supervised learning and other basic theories. Then, based on this, the text emotion classification method based on semi-supervised cooperative training is studied. Considering that the current research has paid little attention to the influence of data distribution on text affective classification, this study constructs the text emotional classification model based on IDSSL under the condition of data distribution equilibrium from the two angles of data distribution equilibrium or not. And the text emotion classification model based on mixed strategy under the condition of unbalanced data distribution. Finally, the text emotion classification method based on semi-supervised cooperative training is introduced into the practical application, and two practical application scenarios, e-commerce and medical social media, are selected. The validity of two kinds of text emotion classification methods based on semi-supervised cooperative training is tested. The experimental results show that the proposed method has better results under different data distribution conditions, thus validating the effectiveness of the proposed method. Through this research, on the one hand, the semi-supervised learning method is introduced into the text affective classification problem, which expands the basic theory of text affective classification and semi-supervised learning. Based on this, a text emotion classification model based on semi-supervised cooperative training is constructed. On the other hand, the text emotion classification model based on semi-supervised cooperative training is applied to practical problems, which extends the application of text emotion classification and semi-supervised learning.
【学位授予单位】:合肥工业大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP391.1;F724.6

【相似文献】

相关期刊论文 前10条

1 刘敏;谢伙生;;一种基于旋转森林的集成协同训练算法[J];计算机工程与应用;2011年30期

2 胡菊花;姜远;周志华;;一种基于教学模型的协同训练方法[J];计算机研究与发展;2013年11期

3 尹哲峰;崔荣一;;协同训练在教师评估中的应用[J];延边大学学报(自然科学版);2009年02期

4 武永成;;一种基于分类置信度差异性的协同训练算法[J];湖北民族学院学报(自然科学版);2013年01期

5 徐飞裕;徐荣聪;;基于密度敏感距离的协同训练算法[J];计算机应用与软件;2011年09期

6 马蕾;汪西莉;;基于支持向量机协同训练的半监督回归[J];计算机工程与应用;2011年03期

7 詹永照;陈亚必;;具有噪声过滤功能的协同训练半监督主动学习算法[J];模式识别与人工智能;2009年05期

8 谢伙生;刘敏;;一种基于主动学习的集成协同训练算法[J];山东大学学报(工学版);2012年03期

9 李广水;宋丁全;郑滔;李杨;苏继申;;协同训练支持向量机对遥感影像的分类研究[J];计算机工程与应用;2009年29期

10 谢科;;融合协同训练和两层主动学习策略的SVM分类方法[J];湖南师范大学自然科学学报;2014年01期

相关重要报纸文章 前10条

1 文雅 丁猛 王方靖;某部多法并举解决协同训练难题[N];战士报;2008年

2 张新兵 唐廷刚 赵荣;兵种专业“结亲”夯实协同训练基础[N];中国国防报;2009年

3 记者 李学勇 特约记者 代宗锋;赴远海开展协同训练[N];解放军报;2010年

4 杨先富、胡金宝、车益洪;打破建制 协同训练[N];战士报;2012年

5 陈振东 李东生;紧贴使命任务要求砥砺精兵[N];解放军报;2009年

6 王小兴、杨志;总装某测试站协同训练提升试验能力[N];解放军报;2006年

7 苏俊杰、特约通讯员 王宇;一批协同训练课目成重点[N];中国国防报;2006年

8 彭兵根 记者 刘建伟;训练资源重点投向关键节点[N];解放军报;2010年

9 杨申勇 特约记者 唐青松;指挥程序一个不简 “战斗”全程模拟实战[N];战士报;2007年

10 高志群 成立 钱英新;加强科技动员力量培训[N];中国国防报;2010年

相关硕士学位论文 前3条

1 邹细涛;基于样本去噪的协同训练算法研究[D];西南大学;2015年

2 李宁宁;基于半监督协同训练的文本情感分类研究[D];合肥工业大学;2015年

3 魏辉;飞机与船舶协同训练RTI仿真平台的设计与实现[D];沈阳航空航天大学;2013年



本文编号:2426492


论文下载
论文发表
教材专著
专利申请


    下载步骤:
    1.微信扫码,备注编号 2426492.
    2.
    点击下载


    本文链接:http://www.bigengculture.com/jingjilunwen/guojimaoyilunwen/2426492.html