[发明专利]基于自适应提升算法的中文微博观点句识别特征的提取方法

摘要

本发明公开了一种基于自适应提升算法的中文微博观点句识别特征的提取方法，首先设定与识别微博观点句相关的特征，将具有单个特征的弱分类器构建成具有多个特征的强分类器，并且在强分类器的构建过程中进行关键识别特征的选择，最后输出有效的主观句识别特征集合以及由该识别特征集合构成的强分类器，通过该主观句识别特征集合及能够为中文微博观点句的识别提供有效的识别依据。

主权项

1.基于自适应提升算法的中文微博观点句识别特征的提取方法，其特征在于：包括：步骤1，具有带是否为观点句标记的微博训练样本，输入该微博训练样本集合S={(x_i,y_i),i=1,…,n}，其中x_i∈X，y_i∈Y，Y={-1,+1}，X是该n个微博训练样本的m个特征，Y是每一个微博训练样本对应的分类结果，若该微博训练样本x_i是观点句，则该微博训练样本标记为y_i=+1，否则为y_i=-1；设定特征选择的迭代终止条件为：分类误差ε_j与0.5的差距小于阈值β，其中，β可根据情况自行设定；设定微博训练样本集的初始权重分布D₁为平均分布，即设定被选择的初始特征集合为空集；设定迭代变量初始值j=1，最大迭代次数为m；步骤2，按以下步骤21-27进行循环迭代，包括：步骤21，在权重分布为D_j的微博训练样本集中，找到以特征f_j为单一特征的弱分类器h_j，该弱分类器h_j对该微博训练样本集的分类误差ε_j与0.5的差距最大，其中：该弱分类器对该微博训练样本集的分类误差h为所有输出为Y的单一特征弱分类器；步骤22，记下该弱分类器h_j的参数：特征f_j、二分该权重分布微博训练样本集的阈值和二元关系运算符；步骤23，更新被选择特征集合F=F∪{f_j},本次迭代所选的特征f_j在以后的迭代中不再使用；步骤24，计算该弱分类器h_j在强分类器H中的权重步骤25，如果分类误差|ε_j-0.5|≤β，则最大迭代次数T=j，退出迭代，结束特征选择，否则，继续进行步骤26；步骤26，迭代变量j值加1，如果j大于m，则已经选择全部特征，退出迭代，否则，继续进行步骤27；步骤27，更新该微博训练样本集的权重分布：i=1,…,n，其中，返回步骤21；步骤3，输出被选择特征集合F={f_j|j=1,…,T}和强分类器H(x)=sign[Σj=1Tαjhj(x)].]]>