Emotion Classification Using Massive Examples Extracted from the Web

本篇論文出自於COLING'2008, 其目的在解情緒分類問題 (emotion classification problem),主要方法係將大量的網路資源視為訓練資料進行分類器製作,並將情緒分類議題分解成二階段處理: sentiment classification and emotion classification, 實驗顯示透過兩階段分類的效果比起一階段分類方法效果顯著.

第一階段處理(sentiment classification):採用SVM分類器及特徵集(n-gram and sentiment polarity words),訓練資料則是透過事先定義好的10個情緒類別字及其衍生情緒字詞當作是seed terms,並蒐集網路上相關的句子(稱為emotion provoking event)成為訓練資料集.
第二階段處裡 (emotion classification):採用KNN的方法進行分類.
原文出處: Emotion Classification Using Massive Examples Extracted from the Web
自製投影片:

Emotion Classification Using Massive Examples Extracted From The Web

View more presentations from ceya.