基于机器学习和组合融合的情感分类提升
机器学习
2025-11-03 v1
摘要
本文提出一种新颖的情感分类方法，通过将组合融合分析 (CFA) 应用于集成多样化机器学习模型，实现对 IMDB 情感分析数据集达到 97.072% 的准确率。CFA 利用认知多样性概念，运用等级得分特征函数量化模型之间的不相似性，并战略性地组合其预测。这与常见的通过扩大单个模型规模不同，从而在计算资源使用上更为高效。实验结果还表明，CFA 在运用模型多样性方面优于传统集成方法。本文的方法实现了以 RoBERTa 架构为基础的 transformer 模型与传统机器学习模型（包括随机森林、支持向量机和 XGBoost）的组合。
引用
@article{arxiv.2510.27014,
title = {Enhancing Sentiment Classification with Machine Learning and Combinatorial Fusion},
author = {Sean Patten and Pin-Yu Chen and Christina Schweikert and D. Frank Hsu},
journal= {arXiv preprint arXiv:2510.27014},
year = {2025}
}
备注
IEEE PICom 2025