点击次数：

论文类型：期刊论文

发表时间：2013-11-15

发表刊物：模式识别与人工智能

收录刊物：PKU、ISTIC、CSCD、Scopus

卷号：26

期号：11

页面范围：1004-1009

ISSN号：1003-6059

关键字：跨领域 情感分类 加权SimRank Cross-Domain Sentiment Classification Weighted SimRank

摘要：近年来，跨领域文本倾向性分析已成为自然语言处理领域的一个研究热点。它利用已经标注倾向性的源领域文本，预测目标领域文本的倾向性。然而，由于不同领域的数据往往服从不同的分布，导致传统的监督分类模型通常不能取得理想的效果。为解决以上问题，提出了一种基于加权SimRank的分析模型。本模型在加权SimRank算法的基础上，构建潜在特征空间，然后在潜在特征空间下学习得到映射函数，并对每个样本重新映射，从而缩小了不同领域间的数据分布差异，实现了跨领域情感分类。最后，通过实验验证了该方法的有效性。