NILC-USP在SemEval-2017任务4中的多视图集成方法：面向Twitter情感分析
计算与语言
2017-04-10 v1 机器学习
摘要
本文描述了我们面向SemEval-2017任务4（Twitter情感分析，具体而言是英语消息极性分类子任务A）的多视图集成方法。我们的系统是一个投票集成，其中每个基分类器在不同的特征空间中训练。第一个空间是词袋模型，以线性SVM作为基分类器。第二和第三个空间是两种结合词嵌入来表示句子的不同策略，并分别使用线性SVM和逻辑回归器作为基分类器。所提出的系统在考虑F1分数时排名38个系统中的第18位，在考虑召回率时排名第20位。
引用
@article{arxiv.1704.02263,
title = {NILC-USP at SemEval-2017 Task 4: A Multi-view Ensemble for Twitter Sentiment Analysis},
author = {Edilson A. Corrêa and Vanessa Queiroz Marinho and Leandro Borges dos Santos},
journal= {arXiv preprint arXiv:1704.02263},
year = {2017}
}
备注
Published in Proceedings of SemEval-2017, 5 pages