基于语义理解的Bayesian-Boosting情感分类 (2010年)

提出将语义理解与统计学方法相结合的机器学习算法来进行文本情感分类。首先提取文本中的情感词汇作为特征，利用统计学方法得到特征的初始权重，然后通过分析文本语义结构修改特征权重，最后利用 Bayesian算法和以Bayesian作为基本分类算法的Boosting算法进行分类。实验表明，基于语义理解的 Bayesian分类算法的分类准确率高于仅基于统计学的Bayesian分类算法，基于语义理解的Bayesian―Boosting算法的分类准确率最高，达到了90％。