论文部分内容阅读
近年来，跨领域文本倾向性分析已成为自然语言处理领域的一个研究热点．它利用已经标注倾向性的源领域文本，预测目标领域文本的倾向性．然而，由于不同领域的数据往往服从不同的分布，导致传统的监督分类模型通常不能取得理想的效果．为解决以上问题，提出了一种基于加权SimRank的分析模型．本模型在加权SimRank算法的基础上，构建潜在特征空间，然后在潜在特征空间下学习得到映射函数，并对每个样本重新映射，从而缩小了不同领域间的数据分布差异，实现了跨领域情感分类．最后，通过实验验证了该方法的有效性．