PORSC:融合用户个性化特征的在线评论情感分类模型

被引：2

作者：

宋晓勇

吕品

陈年生

机构：

[1] 上海电机学院电子信息学院

来源：

复旦学报(自然科学版) | 2017年 / 56卷 / 03期

关键词：

用户个性; 在线评论; 情感分类; 多任务学习;

D O I：

10.15943/j.cnki.fdxb-jns.2017.03.012

中图分类号：

TP18 [人工智能理论]; TP391.1 [文字信息处理];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对传统在线评论情感分类忽视了用户个性化的问题,提出了一种融合用户个性化特征的在线评论情感分类(PORSC)方法,该方法为每一类型用户构建一个在线评论情感分类器.PORSC模型由2部分构成:一部分是具有学习评论中常见情感信息的全局情感分类模型;另一部分是能捕捉每种类型用户的个性化特征的特定用户类型分类模型.为解决PORSC模型在训练中的数据稀疏问题,引入多任务学习方法,以协同方式训练分类器,以并行方式解决了PORSC模型中参数的优化问题.通过在2个实际中文产品评论数据集和一个公开的英文评论数据集上实验,并与已有基线方法进行比较与综合分析,结果表明PORSC模型在一定程度上提高了在线评论情感分类的精度.

引用

页码：359 / 365+373 +373

页数：8

共 4 条

[1] 基于对比散度-受限玻尔兹曼机深度学习的产品评论情感分析 [J].