一种构建情感标签均衡语料库的主动学习算法

时雪峰 康 鑫 廖 萍 任福继

1(南通大学机械工程学院 江苏 南通 226019) 2(德岛大学工学部 德岛县 德岛市 770-8506)

0 引 言

情感分析对于了解大量社交网络消息中所隐藏的思想具有重要作用，并且越来越多地为解决现实世界中的问题提供帮助，如舆论分析[1]、股票趋势预测[2-3]和产品评论[4-5]等。正确理解社交网络消息中隐藏的情感信息，有助于分析相关领域的未来趋势，并为下一次决策提供宝贵的建议。

与正、负两极的情感判别不同，多情感分类研究的重点是对人类的多种情感进行识别[6-7]。不同的研究领域对人类情感的分类也是不同的，如Ekman[8]认为人类的基本情感有六种，分别是愤怒、厌恶、恐惧、幸福、悲伤和惊奇，用于心理学研究；而Ren等[9]则认为人类的情感状态可以细化分为八种，分别是愤怒、欢乐、悲伤、焦虑、讨厌、期望、惊讶和爱。每一种分类方法，都对相关领域的研究起到了重要的推动作用。

在有监督的情感分类任务中，情感语料库是必不可少的。情感语料库的标注是一件耗费时间长、人工成本高的工作。主动学习(Active Learning)算法自动获取可能性较高的样本，缓解语料库不足的压力。相比于人工专家的筛选，主动学习算法抽取的样本在情感分布上并不均匀，主要是由原始语料中的情感分布倾向性严重造成的。这使得主动学习算法很难根据现实世界的原始语料来构建具有均衡情感标签的训练集，并限制了训练好的情感分类器对低频情感标签的识别，如焦虑和惊奇。……