TwiSE 参与 SemEval-2016 任务 4：Twitter 情感分类
计算与语言
2016-06-15 v1 信息检索
机器学习
摘要
本文描述了“TwiSE”团队在 SemEval 2016 挑战赛中的参与情况。具体而言，我们参加了任务 4，即“Twitter 中的情感分析”，为此我们为子任务 A、B、C 和 D 实现了情感分类系统。我们的方法包含两个步骤。在第一步中，受此类挑战往届参与者工作的启发，我们生成并验证了用于 Twitter 情感评估的多种特征集。在第二步中，我们专注于优化不同子任务的评估指标。为此，我们通过在任务组织者提供的数据上进行验证，考察了不同的学习策略。对于我们的最终提交，我们在子任务 A 中使用了集成学习方法（Stacked Generalization），而在其余子任务中使用了单一线性模型。在官方排行榜上，我们在子任务 A、B、C 和 D 中分别排名 9/35、8/19、1/11 和 2/14。\footnote{出于研究目的，我们在 \url{https://github.com/balikasg/SemEval2016-Twitter\_Sentiment\_Evaluation} 上公开了代码。}
引用
@article{arxiv.1606.04351,
title = {TwiSE at SemEval-2016 Task 4: Twitter Sentiment Classification},
author = {Georgios Balikas and Massih-Reza Amini},
journal= {arXiv preprint arXiv:1606.04351},
year = {2016}
}