基于多标记学习的汽车评论文本多性能识别

被引：3

作者：

张晶

李德玉

王素格

机构：

[1] 山西大学计算机与信息技术学院

来源：

计算机工程与科学 | 2016年 / 38卷 / 01期

关键词：

多标记学习; 文本处理; 汽车评论; 多方面识别;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对汽车产品评论文本中出现的多方面性能,提出一种基于多标记学习的汽车评论文本多方面性能识别方法。首先,结合文本挖掘方法,利用多标记文本特征选择方法选取特征,将非结构化的文本转化为结构化的多标记数据集。在此基础上,使用四种多标记分类方法,对待识别的评论文档标注一个或多个方面标记。最后,以八种多标记评价指标评估方面识别的性能。在新浪汽车评论语料上的实验表明,方面识别的子集准确率达到了95%,验证了方法的可行性。

引用

页码：188 / 194

页数：7

共 8 条

[1] 基于非完备信息系统的评价对象情感聚类 [J].

王素格 ;

尹学倩 ;

李茹 ;

张杰 ;

吕云云 .

中文信息学报, 2012, (04) :98-102+108

[2] 面向观点挖掘的汽车评价本体知识库的构建 [J].

冯淑芳 ;

王素格 .

计算机应用与软件, 2011, 28 (05) :45-47+105

[3] A multi-label classification based approach for sentiment classification [J].

Liu, Shuhua Monica ;

Chen, Jiun-Hung .

EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42 (03) :1083-1093

[4]

A Comparison of Multi-label Feature Selection Methods using the Problem Transformation Approach[J] . Newton Spola?r,Everton Alvares Cherman,Maria Carolina Monard,Huei Diana Lee.Electronic Notes in Theoretical Computer Science . 2013

[5] Classifier chains for multi-label classification [J].

Read, Jesse ;

Pfahringer, Bernhard ;

Holmes, Geoff ;

Frank, Eibe .

MACHINE LEARNING, 2011, 85 (03) :333-359

[6] Feature selection for multi-label naive Bayes classification [J].

Zhang, Min-Ling ;

Pena, Jose M. ;

Robles, Victor .

INFORMATION SCIENCES, 2009, 179 (19) :3218-3229

[7]

M L-KNN : A lazy learning approach to multi-label learning[J] . Min-Ling Zhang,Zhi-Hua Zhou.Pattern Recognition . 2007 (7)

[8]

BoosTexter: A Boosting-based System for Text Categorization[J] . Robert E. Schapire,Yoram Singer.Machine Learning . 2000 (2-3)

← 1 →