基于降噪自动编码器的不平衡情感分类研究

摘要：

目前,网络评论的情感分类研究大部分是不平衡样本数据,正向样本的数量一般远大于负向样本,对这种不平衡样本集进行分类时容易产生少数类误差较大的问题.而且由于网络评论的表达形式多变,不易获取到大量的有监督的数据.针对上述问题,对无监督的不平衡网络评论情感分类进行研究.首先通过改进降噪自动编码器,提高少数类的特征值,避免分类样本向多数类偏移.然后将获取的特征值作为k-means算法的输入值,实现了无监督的样本分类.实验证明,该算法对不平衡率较高的样本具有良好的适应性,从而验证了算法的有效性.

关键词：情感分类、深度学习、降噪自动编码器、不平衡数据

所属期刊栏目：14

分类号：TP391.3(计算技术、计算机技术)

资助基金：欠发达地区工业化与信息化融合及其系统动力机制研究11FJL007;广西教育厅人文社科研究项目SK13YB069

在线出版日期：2014-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：232-235