作者：周清清; 章成志情感分类情绪分类迁移学习微博挖掘
摘要：社交媒体的发展吸引大量用户，继而产生海量的用户生成内容。对用户生成内容的挖掘分析能够及时掌握用户的情绪动态，继而帮助事件处理、政策施行等。已有研究利用监督机器学习方法进行文本情绪分类，但是这类方法依赖于语料的标注、耗时耗力，并且存在领域适应性问题。迁移学习方法能够避免大量的语料标注、并且一定程度解决领域适应性问题。但是，目前迁移学习鲜有用于情绪分类任务。此外，情绪分类主要是针对博文等长文本，缺少针对微博短文本的相关实证研究。本文在主客观分类基础上，利用迁移学习方法对H7N9微博主观语料文本进行情感分类，并对结果进行情绪分类。实验结果表明，首先，设置形容词个数阈值为2时主客观分类效果最优；其次，利用迁移学习算法进行微博情感分类效果优于非迁移学习方法；最后，利用词频一相关频率作为特征权重计算方法时可以得到较好的情绪分类性能。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
