情感识别,主要就是正和负的识别,偶尔也有中性。类别比较少,所以相对于广义的文本分类来说,看起来要简单很多,特别是很多词汇都有很强的倾向性。当然这是针对某一特定的领域。一般的话,情感识别主要用于商品评论,因为不同的商品会有不同的术语之类的专门的某一词汇,所以如果将某一领域的数据集上学到的模型应用在另一个领域的话,可能效果会不很理想。
Stephan Raaijmakers等的这篇文章[1]提出的是一种基于阀值投票的方法,即使用独立的分类器去分各个类别的数据,最后使用新领域的数据对分类结果进行投票校验。这个方法只要使用新数据的一小部分有标即可。大概是下面这张图所描述的意思。虽然这张图是下面的paper里面的。
Shoushan Liand Chengqing Zong的这篇文章[2]同样是对多领域数据的分类研究,他们提出的方法是把特征层面和分类器层面进行融合。此文首先是批判了上图所描述的独立分类的不足,然后提出了自己的新的方法,即在分类的同时进行分类器间的融合,具体步骤如下图: