摘要：目前主观信息情感分类常用的方法主要有基于知识工程和基于统计两类，其中基于统计的机器学习方法在效率上优于基于知识的方法，但单一的机器学习算法有各自的优缺点，难以胜任复杂的分类任务。本文将微博情感判别任务分层，在不同层次选择合适的机器学习算法，提出了一种多算法集成的微博细粒度情感分类方法。首先采用朴素贝叶斯（NB）分类器对微博进行有无情绪分类，然后采用AdaBoost集成算法对KNN进行集成训练出多个分类器，对有情绪微博基于训练出的多个分类器通过线性组合模型进行情感判别。实验结果表明，在文本分类任务中合理集成不同机器学习算法，较单一机器学习算法和基于情感词典的方法能够提高分类性能。

原文链接:http://www.cqvip.com//QK/94357X/201417/662567715.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）