结合集成学习的序贯三支情感分类方法研究

摘要

情感分类一直是自然语言处理任务中重要的研究热点,并在电子商务评论、热点论坛、公共舆论等众多场景中广泛应用.如何提高情感分类模型性能仍是情感分析领域的重点研究问题.集成学习是通过联合若干分类器达到提高模型总体效果的有效方法.基于粒计算和三支决策思想,并结合集成学习的优势,构建了结合集成学习的多粒度序贯三支决策模型.通过N-gram语言模型构建文本多粒度结构,形成序贯三支情感分类基础;在每一粒度下,集成三个分类算法以提高在该粒度下的分类效果;通过4个数据集对所提出方法进行了实验验证.结果证明,该方法不仅可以提高整体分类效果,还可以降低分类成本.