在线新闻中用户反应的多标签分类
机器学习
2018-11-28 v2 信息检索
机器学习
摘要
互联网用户数量的增长以及Web 2.0带来的强交互使得意见挖掘成为自然语言处理领域的一项重要任务。尽管若干方法能够执行该任务，但极少使用多标签分类，即每个样本对应一组真实标签。此类分类适用于从读者视角分析意见的情形，这是因为每个人对同一主题可能有不同解读与看法。本文探讨了问题转换方法结合不同分类算法用于新闻文本中反应多标签分类任务的效率。为此，我们在两个标注了反应的巴西葡萄牙语新闻语料库上进行了广泛测试，并提出了名为BFRC-PT的新语料库。在所作测试中，Classifier Chains方法结合Random Forest算法取得了最多的正确预测数；在考虑类别分布时，Binary Relevance方法结合LSTM与Random Forest算法取得了最佳结果。
引用
@article{arxiv.1809.02811,
title = {Multi-label Classification of User Reactions in Online News},
author = {Zacarias Curi and Alceu de Souza Britto and Emerson Cabrera Paraiso},
journal= {arXiv preprint arXiv:1809.02811},
year = {2018}
}