[发明专利]一种基于轮盘赌属性选择的文本情感分类集成系统

权利要求书

1.一种基于轮盘赌属性选择的文本情感分类集成系统，其特征在于，包括以下步骤：

S1：获取在线文本和对应的情感类别数据；

S2：通过对获取的在线文本特征提取，将获取的在线文本转化为特征向量并进行预处理；

S3：将预处理后文本的特征向量涉及到的多分类问题转化为一对一问题；

S4：对每个一对一问题，计算每个词的信息增益后，使用轮盘赌进行特征选择；

S5：将进行过特征选择的数据集用于训练分类器，将分类器进行集成；

S6：集成后的系统通过聚合策略得到情感类别预测结果；

步骤S3具体是：将预处理后文本的特征向量涉及到的n分类的多分类问题，转化为个一对一问题；

步骤S4包括以下步骤：

S41：对每个一对一问题，计算每个词的信息增益IG，IG的计算方法为：

其中，X表示特征；n表示类别总数；i表示第i个类别；P_i表示X取第i个类别的概率；

对于系统中所含变量类别C来说，分类系统的熵表示为：

C取值为C₁，C₂，……，C_n，n为类别总数；

其中，C_i表示第i个变量类别；P(C_i)表示类别为C_i的概率；

当特征X被固定时，特征X有x₁,x₂，……，x_i值，其条件熵为：

由此得到固定词T时系统的条件熵为：

其中，t代表词T出现，代表词T不出现；P(t)表示词T出现的概率；表示词T不出现的概率；H(C|t)表示词T出现时系统的条件熵；表示词T不出现时系统的条件熵；

特征词T给系统带来的信息增益为：

S42：对得到的特征的信息增益值a次使用轮盘赌做b次不放回抽样，每个特征被选中的可能性为：

共有m个特征，bm；

其中，T_i表示第i个词；IG(T_i)表示第i个词的信息增益值；

从而得到a种不全相同的数据集。

2.根据权利要求1所述的基于轮盘赌属性选择的文本情感分类集成系统，其特征在于，步骤S2包括以下步骤：

S21：使用词袋法将获取的在线文本内容转化成特征向量；

S22：使用统计方法进行预处理；其中，统计方法为词频-逆向文件频率TF-IDF；

TF-IDF的计算方法如下：

TF-IDF＝TF*IDF (3)。

3.根据权利要求1所述的基于轮盘赌属性选择的文本情感分类集成系统，其特征在于，步骤S5包括以下步骤：

S51：使用a种不全相同的数据集训练c种分类器；

S52：挑选出a个性能最好的基分类器；共得到个基分类器，并集成形成一个完整的系统。

4.根据权利要求3所述的基于轮盘赌属性选择的文本情感分类集成系统，其特征在于，步骤S6包括以下步骤：

S61：输入一条文本内容到集成后形成的系统中，得到个结果；

S62：通过投票法或加权投票法，得到一个n×n的得分矩阵：

其中，

对每个r_ij，v_i为在分类第i类和第j类的子问题中所训练的a个分类器中预测结果为第i类的次数，且有：

r_ij+r_ji＝1

S63：根据得分矩阵从而输出情感类别预测结果。