基于聚类核的半监督情感分类算法研究

摘要：

在互联网快速发展的今天,人类已经进入“大数据”时代,其中文本数据作为人类知识的载体,对于人类的进步与发展意义重大。如何运用大量未标记样本来提升文本情感分类的精度,也变得愈发重要。将半监督学习中的聚类核算法应用到情感分类问题中,给出基于聚类核的半监督情感分类算法。在标记样本和未标记样本上,建立加权无向图,求解聚类核,然后将该核函数用于SVM的情感分类器的训练上,完成情感分类工作。该方法直接将未标记样本所蕴含的信息融合到核中,不需要建立多个分类器,有效利用了未标记样本。实验结果表明,CKSVM算法在分类精度上明显优于基于Self-learning SVM和Co-training SVM的半监督情感分类算法,且在不同数据集上都有较好的适应性。

关键词：半监督学习、聚类核、图、情感分类

所属期刊栏目：26

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61070234,61071167,61501251;南京邮电大学引进人才科研启动基金资助项目NY214191

在线出版日期：2017-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：87-91,95