On the Sentiment Analysis Based on Regularized
Greedy Forest Algorithm
作者： 吴彤[1]；张贯虹[1]；陈婷婷[1]
作者机构： [1]合肥学院人工智能与大数据学院，合肥230601
出版物刊名： 合肥学院学报：综合版
页码： 109-114页
年卷期： 2021年 第5期正则化随机森林
主题词： 决策树；集成学习；情感分析；正则化贪心森林
摘要：针对微博评论数据的分布不平衡特点在传统机器学习方法决策树的基础上，提出一种新的解决方法，使用集成学习RGF算法对数据进行迭代训练，进而调整训练样本的权重，获得最优的结果.实验结果表明在不同语料库数据集下，本方法较其他模型在准确率、召回率和F1值上都取得了良好的表现，验证了本
方法在微博非平衡短文本数据集中进行情感分析的有效性.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。