1、情感分析主要研究如何識(shí)別和分析文本中包含的主觀性情感信息。在粗粒度的句子、文檔級(jí)文本傾向性判斷問題上,相關(guān)的技術(shù)日趨成熟。在此基礎(chǔ)上,主觀情感表達(dá)的細(xì)粒度分析,即情感的發(fā)出者和評(píng)價(jià)對(duì)象識(shí)別問題也逐漸成為了新的研究熱點(diǎn)。基于機(jī)器學(xué)習(xí)的細(xì)粒度情感分析,特別是基于序列標(biāo)注模型的分析方法需要大量包含細(xì)粒度標(biāo)注信息的訓(xùn)練語料。而這些語料由于建設(shè)困難,往往規(guī)模不大。因此,本課題研究跨語言細(xì)粒度情感分析方法,將在其他語言建立的細(xì)粒度情感標(biāo)注語料跨語言

2、映射到目標(biāo)語言,豐富目標(biāo)語言訓(xùn)練集,進(jìn)而提高目標(biāo)語言上細(xì)粒度情感分析的性能。
　　通過對(duì)相關(guān)技術(shù)的回顧,課題進(jìn)一步分析了細(xì)粒度情感分析在使用跨語言標(biāo)注資源面臨的主要困難,包括機(jī)器翻譯錯(cuò)誤,翻譯亂序和跨領(lǐng)域差異等。針對(duì)上述問題,課題系統(tǒng)地提出一個(gè)基于子結(jié)構(gòu)傳遞的跨語言細(xì)粒度情感分析方法。本文主要的工作有:
　　1.提出一種基于子結(jié)構(gòu)的跨語言標(biāo)注映射方法,利用機(jī)器翻譯系統(tǒng)的短語對(duì)齊信息以及統(tǒng)計(jì)對(duì)齊工具實(shí)現(xiàn)標(biāo)注語料的翻譯和細(xì)粒度標(biāo)

3、注信息的映射。
　　2.提出和實(shí)現(xiàn)一種基于多核支持向量機(jī)的細(xì)粒度情感分析方法。通過結(jié)合基于句法特征的樹核,基于語義信息的多項(xiàng)式核以及本課題新提出的基于詞義近似度的軸函數(shù)建立多核支持向量機(jī)提高細(xì)粒度情感分析的性能。
　　3.提出了一種改進(jìn)的遷移自訓(xùn)練方法,通過對(duì)跨語言訓(xùn)練語料進(jìn)行優(yōu)選使用,進(jìn)一步提高多核分類器的性能。
　　本課題工作的主要貢獻(xiàn)包括:
　　1.提出了一種新的基于子結(jié)構(gòu)的跨語言標(biāo)注信息映射方法,較好解決

4、了機(jī)器翻譯結(jié)果亂序問題的影響,首次實(shí)現(xiàn)了細(xì)粒度情感標(biāo)注語料的跨語言復(fù)用。
　　2.提出了一種新的基于多核支持向量機(jī)的細(xì)粒度情感分析方法。其中樹核克服了傳統(tǒng)序列標(biāo)注模型對(duì)翻譯結(jié)果亂序敏感的缺陷,基于詞義近似度的軸函數(shù)則通過詞語擴(kuò)展提高了對(duì)候選子結(jié)構(gòu)的覆蓋精度。
　　3.提出了一種異于傳統(tǒng)遷移學(xué)習(xí)的方法,對(duì)于句法信息和語義信息使用不同的核函數(shù)表達(dá),在遷移的過程中有選擇的使用不同的核函數(shù),從而達(dá)到整體分類結(jié)果最優(yōu),有效降低了機(jī)器翻