论文研究 一种半监督学习的中文微博主观句识别方法.pdf

微博中的主观句包含着人们对事物的态度、倾向等信息。微博本身字数的限制和语言结构的自由，使得在微博中发现主观句面临着许多困难。借鉴传统文本处理使用的词性和情感词典两类特征，通过AdaBoost方法选择并组合分类器。对于已标注数据比例较小的数据集，为了进一步提升分类器的性能，尝试着通过Bootstrapping过程迭代重构分类器，也就是不断地通过已有的分类器标注未标注数据集中的可信句子，并加入已标注数据集中，再重新训练分类器。实验结果表明，Bootstrapping的引入不仅能够提升分类器的F值，而且能减少分类器所携带的特征的数量，使集成分类器的精度和速度均有显著提高。