基于集成情感成员模型的文本情感分析方法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (8): 211-214.

基于集成情感成员模型的文本情感分析方法

朱俭

中国青年政治学院计算机教学及应用中心，北京 100089

出版日期:2014-04-15 发布日期:2014-05-30

Text sentiment analysis based on ensemble learning method

ZHU Jian

Computer Science & Application Center, China Youth University For Political Sciences, Beijing 100089, China

Online:2014-04-15 Published:2014-05-30

摘要/Abstract

摘要： 文本情感分类是指通过挖掘和分析文本中的观点、意见和看法等主观信息，对文本的情感倾向做出类别判断。基于集成情感成员模型提出一种文本情感分析方法。把基于改进的神经网络、基于语义特征和基于条件随机场的三个情感分类模型作为成员模型集成在一起。集成后的模型能够涵盖不同的情感特征，从而克服了传统集成学习中仅关注成员模型处理结果的不足。以公开语料进行实验，集成模型融合了多个成员模型的优势，分类正确率达到了88.2%，远高于任一成员模型的效果。

关键词: 文本情感分析, 情感分类, 集成模型

Abstract: The EL-based （Ensemble Learning） sentiment analysis method takes three different high-quality sentiment analysis models as basic classifiers, and combines these basic classifiers into a final classifier. In order to overcome the shortcoming of the traditional combination method that only considers the different results of the components, different features are also considered. Experimental results show that the accuracy rate of the proposed method on an English movie review corpus is 88.2%.

Key words: text sentiment analysis, sentiment classification, ensemble learning

朱俭. 基于集成情感成员模型的文本情感分析方法[J]. 计算机工程与应用, 2014, 50(8): 211-214.

ZHU Jian. Text sentiment analysis based on ensemble learning method[J]. Computer Engineering and Applications, 2014, 50(8): 211-214.

[1]	杨春霞，李欣栩，吴佳君，刘天宇. 基于注意力交互机制的层次网络情感分类[J]. 计算机工程与应用, 2021, 57(9): 134-139.
[2]	王琴，刘盾. 结合集成学习的序贯三支情感分类方法研究[J]. 计算机工程与应用, 2021, 57(23): 211-218.
[3]	李文亮，杨秋翔，秦权. 多特征混合模型文本情感分析方法[J]. 计算机工程与应用, 2021, 57(19): 205-213.
[4]	胡任远，刘建华，卜冠南，张冬阳，罗逸轩. 融合BERT的多层次语义协同模型情感分析研究[J]. 计算机工程与应用, 2021, 57(13): 176-184.
[5]	黄宏展，蒙祖强. 基于双向注意力机制的多模态情感分类方法[J]. 计算机工程与应用, 2021, 57(11): 119-127.
[6]	康雁，李浩，梁文韬，宁浩宇，霍雯. 针对文本情感分类任务的textSE-ResNeXt集成模型[J]. 计算机工程与应用, 2020, 56(7): 205-209.
[7]	唐庄，王志舒，周爱，冯美姗，屈雯，鲁明羽. 面向文本分类的transformer-capsule集成模型[J]. 计算机工程与应用, 2020, 56(24): 151-156.
[8]	郑诚，曹源，薛满意. 面向方面级情感分类的多层注意网络[J]. 计算机工程与应用, 2020, 56(19): 176-181.
[9]	邱宁佳，周思丞，丛琳，王鹏，李岩芳. 改进CNN的多通道语义合成情感分类模型研究[J]. 计算机工程与应用, 2019, 55(23): 136-141.
[10]	郑诚，钱改林，章金平. Title加TextRank抽取关键句的情感分类研究[J]. 计算机工程与应用, 2019, 55(20): 95-100.
[11]	喻涛，罗可. 结合产品特征的评论情感分类模型[J]. 计算机工程与应用, 2019, 55(16): 108-114.
[12]	陈景霞，郑茹，贾小云，张鹏伟. 共空间模式结合小波包分解的脑电情感分类[J]. 计算机工程与应用, 2019, 55(1): 149-153.
[13]	郑诚，谈小雨，于秀开，曹杨. 基于情感时序距离和转折同化的文本情感分类[J]. 计算机工程与应用, 2018, 54(14): 158-162.
[14]	郑雄风，丁立新，万润泽. 基于用户和产品Attention机制的层次BGRU模型[J]. 计算机工程与应用, 2018, 54(11): 145-152.
[15]	张绮琦，张树群，雷兆宜. 基于改进的卷积神经网络的中文情感分类[J]. 计算机工程与应用, 2017, 53(22): 111-115.