基于主动学习的汽车评论情感预测  

Sentiment Prediction for Car Review Based on Active Learning

作　　者：王素格[1,2] 张军[1] 李旸[1] 

机构地区：[1]山西大学计算机与信息技术学院,山西太原030006 [2]山西大学计算智能与中文信息处理教育部重点实验室,山西太原030006

出　　处：《山西大学学报（自然科学版）》2016年第1期49-55,共7页Journal of Shanxi University(Natural Science Edition)

基　　金：国家自然科学基金(61175067;61272095;61432011;61573231);山西省科技基础条件平台计划项目(2015091001-0102);山西省回国留学人员科研项目(2013-014)

摘　　要：随着时间的变化,用户对汽车产品评论的情感信息会有所波动,然而,通过挖掘这些情感信息可为潜在用户和企业提供决策依据。对于大量的汽车评论,仅靠人工去分析这些评论数据的情感显得无能为力。因此,文章采用迁移学习思想,通过前一时期标注数据获得当前时期数据的初始标注样本,利用主动学习不断优化分类模型,进而预测当前时期汽车评论的情感倾向。实验结果表明,该方法在较少人工标注量的情况下取得了较好的情感预测结果。The user sentiment information about the car product reviews is always changing over time, which can provide the decision-making basis for potential users and enterprises. It＇s impossible to analyze these car reviews only by artificial. Therefore, this paper uses transfer learning idea to get initial marked samples of unlabeled data of present period through the labeled data of prior period and uses active learning to optimize classification model constantly, then predicts the sentiment orientation of present period. The experimental results show that this method can achieve a good sentiment prediction performance in the case of less manual annotation.

关 键 词：主动学习 迁移学习 情感分类 样本选择 置信度 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]