基于集成学习的文本情感分析研究

摘要

针对单一的情感分类模型可能存在不稳定等情况,提出一种异质的集成学习方法。首先对朴素贝叶斯(NB)、支持向量机(SVM)、随机森林(RF)三种基分类器分别进行提升和改进,然后采用分裂粒子群优化算法(DPSO)来寻找各个基分类器的最优权重,最后根据得到的一组最优权重向量进行投票。实验表明,采用DPSO作为分类器权重寻优的方法比使用简单的分类投票算法分类精确率、召回率、F值都有所提高。由此可见,提出的方法可以有效地提高文本情感分析的准确率。