1、隨著WWW的迅速發(fā)展，網(wǎng)絡(luò)上出現(xiàn)了越來越多包含著巨大利用價值的評價文本，如何自動處理這些主觀文本顯得愈發(fā)重要。情感分析正是在這樣的背景下產(chǎn)生并取得迅猛發(fā)展的一個研究方向。其中，文本情感分類是情感分析研究中最廣泛的一個基本任務(wù)。
　　情感分類中，現(xiàn)有的研究主要致力于提升監(jiān)督學習的效果。然而，監(jiān)督學習往往需要大量的標注樣本，而人工標注這些樣本非常耗時耗力。因此，在少量標注樣本的基礎(chǔ)上，充分利用大量未標注樣本的半監(jiān)督情感分類方法受到越來

2、越廣泛的關(guān)注。其中，半監(jiān)督集成學習方法上的研究還十分缺乏。本文主要針對情感分類中的半監(jiān)督集成學習方法展開深入研究，主要研究內(nèi)容包括以下三個方面：
　　首先，本文提出一種基于隨機特征子空間自訓練的半監(jiān)督情感分類方法。核心思想是在標注樣本基礎(chǔ)上，利用隨機特征子空間訓練多個子分類器，并采用最大置信度的集成方式，選擇置信度高的子分類器做分類決策。該方法能夠盡量避免噪音特征為半監(jiān)督情感分類帶來的不良影響。實驗結(jié)果表明，該方法相比于傳統(tǒng)的自訓

3、練方法及基于隨機特征子空間的協(xié)同訓練方法，獲得了更好的分類性能。
　　其次，本文提出了一種基于標簽一致性融合的半監(jiān)督情感分類方法。核心思想是，將多個半監(jiān)督學習方法標注一致的未標注樣本自動標注，并更新標注樣本集，過濾掉標注不一致的未標注樣本，從而保證了標注集合的質(zhì)量，降低誤標注給半監(jiān)督學習帶來的負面影響。實驗結(jié)果表明，基于標簽一致性融合的半監(jiān)督情感分類方法有效地降低了未標注樣本的誤標注率，在分類效果上遠遠優(yōu)于單個半監(jiān)督學習方法。