TAILIEUCHUNG - Báo cáo khoa học: "Multi-domain Sentiment Classification"

This paper addresses a new task in sentiment classification, called multi-domain sentiment classification, that aims to improve performance through fusing training data from multiple domains. To achieve this, we propose two approaches of fusion, feature-level and classifier-level, to use training data from multiple domains simultaneously. Experimental studies show that multi-domain sentiment classification using the classifier-level approach performs much better than single domain classification (using the training data individually). . | Multi-domain Sentiment Classification Shoushan Li and Chengqing Zong National Laboratory of Pattern Recognition Institute of Automation Chinese Academy of Sciences Beijing 100190 China sshanli cqzong @ Abstract This paper addresses a new task in sentiment classification called multi-domain sentiment classification that aims to improve performance through fusing training data from multiple domains. To achieve this we propose two approaches of fusion feature-level and classifier-level to use training data from multiple domains simultaneously. Experimental studies show that multi-domain sentiment classification using the classifier-level approach performs much better than single domain classification using the training data individually . 1 Introduction Sentiment classification is a special task of text categorization that aims to classify documents according to their opinion of or sentiment toward a given subject . if an opinion is supported or not Pang et al. 2002 . This task has created a considerable interest due to its wide applications. Sentiment classification is a very domainspecific problem training a classifier using the data from one domain may fail when testing against data from another. As a result real application systems usually require some labeled data from multiple domains guaranteeing an acceptable performance for different domains. However each domain has a very limited amount of training data due to the fact that creating large-scale high-quality labeled corpora is difficult and time-consuming. Given the limited multi-domain training data an interesting task arises how to best make full use of all training data to improve sentiment classification performance. We name this new task multi-domain sentiment classification . In this paper we propose two approaches to multi-domain sentiment classification. In the first called feature-level fusion we combine the feature sets from all the domains into one feature set. Using the unified .

• Báo cáo khoa học
• Multi domain Sentiment Classification
• Shoushan Li
• Chengqing Zong
• báo cáo khoa học
• báo cáo ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học