基于熵值法改进Stacking的文本情感分析

作者：刘甜甜; 谷晓燕^*; 陈梦彤

来源：科学技术与工程, 2023, 23(23): 10008-10014.

• 情感分析
• 熵值法
• 基分类器选择
• 改进Stacking

在情感分析研究中，使用Stacking算法进行情感分析时基学习器的选择是至关重要的。传统的Stacking算法仅仅只是将不同学习器结合起来，没有区分它们之间的不同，同时也不能反映初级学习器的实际预测情况，针对此问题，基于熵值法改进Stacking算法进行文本的情感分类。首先，使用熵值法确定单一分类器的性能指标权重，将指标值的权重进行加权求和获得不同模型的综合得分，通过综合得分来选择性能最好的基学习器组合；接着，由于基模型中的各个分类器性能的不同，将基学习器训练后的预测结果赋予不同的权重，输入到次级学习器当中；最后再利用次级学习器进行训练并预测情感倾向。实验结果表明，基于熵值法改进Stacking模型优于传统的Stacking模型，说明基学习器的选择和重要程度对情感分类具有一定帮助，为之后文本情感分析奠定一定的基础。在情感分析研究中,使用Stacking算法进行情感分析时基学习器的选择是至关重要的。传统的Stacking算法仅仅只是将不同学习器结合起来,没有区分它们之间的不同,同时也不能反映初级学习器的实际预测情况,针对此问题,基于熵值法改进Stacking算法进行文本的情感分类。首先,使用熵值法确定单一分类器的性能指标权重,将指标值的权重进行加权求和获得不同模型的综合得分,通过综合得分来选择性能最好的基学习器组合;接着,由于基模型中的各个分类器性能的不同,将基学习器训练后的预测结果赋予不同的权重,输入到次级学习器当中;最后再利用次级学习器进行训练并预测情感倾向。实验结果表明,基于熵值法改进Stacking模型优于传统的Stacking模型,说明基学习器的选择和重要程度对情感分类具有一定帮助,为之后文本情感分析奠定一定的基础。

• 单位
  北京信息科技大学