一种半监督学习的中文微博主观句识别方法

摘要：

微博中的主观句包含着人们对事物的态度、倾向等信息.微博本身字数的限制和语言结构的自由,使得在微博中发现主观句面临着许多困难.借鉴传统文本处理使用的词性和情感词典两类特征,通过AdaBoost方法选择并组合分类器.对于已标注数据比例较小的数据集,为了进一步提升分类器的性能,尝试着通过Bootstrapping过程迭代重构分类器,也就是不断地通过已有的分类器标注未标注数据集中的可信句子,并加入已标注数据集中,再重新训练分类器.实验结果表明,Bootstrapping的引入不仅能够提升分类器的F值,而且能减少分类器所携带的特征的数量,使集成分类器的精度和速度均有显著提高.

关键词：微博、主观句、词性、AdaBoost、Bootstrapping

所属期刊栏目：31

分类号：TP391.1(计算技术、计算机技术)

资助基金：福建省科技计划重大重点项目2011H6016,2011H0028

在线出版日期：2014-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2035-2039