1、“.....情感资源的不平衡性问题随着当今社会科技的不断进步，互联网信息的呈现出多元化的特点尤其是在语言方面，这直接影响了情感资源的不不平衡性，这种不平衡性直接导致了各个国家在此研究方向或者领域的高度。基于半监督学习的文档情感分类方法半监督学习的方法是相对于监督学习方法和无监督学习方法而言的，其关键点在于有效利用未标注数据，来进步提升分类性能，这种方法目前已经广泛应用于文本情感分类，在使用这种方法的同基于情感分析的文本分类方法论文原稿进而发挥其最佳分类效果。样本标注的准确度或者标准会随着人的主观意识而发生变化，这现象直接影响了研究的结果的准确度，直接造成定的误差，不利于研究的顺利进行......”。

2、“.....互联网信息的呈现出多元化的特点尤其是在语言方面，这直接影响了情感资法文档级情感分类基于有监督学习的文档情感分类方法这类方法中，需要先将文档表示为相应的特征向量，然后在标注样本上训练分类器，再用分类器来对新文档进行分类。等人首先将有监督机器学习方法应用于文档情感分类问题中，比较了朴素贝叶斯最大熵和支持向量机这几种方法在电影评论数，网络上出现越来越多的情感词典情感语料，并且充斥着各种不同的语言，这直接带来了情感基础资源的分布极不均衡，这也是进行跨语言情感分类研究的原因之。目前跨语言情感分类的研究面临着系列的难点问题，主要包含语言迁移情感分析本身两方面的问题......”。

3、“.....利用这种关系来确立情感词的倾向性，最早进行这方面的研究学者有，他们挖掘出来的形容词主要是来自于华尔街日报语料库，依据的原理就是利用连接词的关系来确定情感词的倾向合适的科学的分类标准。基于语义词典的方法基于语义词典的方法顾名思义是与词语的语义相关，根据目前已有的词典提供的解释以及相反同义词相近等意思来进行词语级情感分类。等人是基于此种方法，假设同义词为正向极性，反义词为负向极性，他们通过定义种子词为动词和形容词以及利用这些等人，他们方面在他们的基础上进行研究，另方面用来构建了词的语义关系图，并在图上使用马尔可夫随机游走模型来计算给定词的情感极性......”。

4、“.....摘要文本情感分析是多媒体智能理解的重要问题之，情感分类是情感分析领域的核心问题，旨在容易造成情感歧义的干扰，等人将跨语言情感分类看成为领域适配问题，并认为即使应用非常完美的翻译工具，跨语言情感分类仍然会面临领域适配的挑战，会导致精度退化。基于语义词典的方法基于语义词典的方法顾名思义是与词语的语义相关，根据目前已有的词典提供的解释以及相反同义词显的情感倾向性，但应用在些特定领域或环境中就表现出情感倾向性的的词汇进行识别时，还存在很大的不足。跨语言情感分类单语言环境下的文本情感分类是当前研究的重点，但是随著计算机网络技术的不断发展，网络上出现越来越多的情感词典情感语料，并且充斥着各种不同的语言......”。

5、“.....同时通过对它们词义的意思进行极性判断，这种方法出随即就有大量的研究学者研究与模仿，其中颇有名气的便是等人，他们方面在他们的基础上进行研究，另方面用来构建了词的语义关系图，并在图上使用马尔可夫随机游走模型来计算给定词的情感极究将文本的情感倾向性按褒义贬义这两种类别来进行极性分类，少数研究也涉及到类。文本的粒度再被处理后可以在不同的级别上进行分类研究，如文档级和词语级等等，由于其处理的范围不同，根据其研究领域我们可以將情感分类研究再次进行分类，单领域和跨领域情感以及单语言跨语言情感是目前比较因为任何个分类器都具有自己的优劣势，针对不同领域......”。

6、“.....每种分类器都有其最优的应用领域，因此要有效选择分类器，进而发挥其最佳分类效果。基于情感分析的文本分类方法论文原稿。基于语料库的方法基于语料库的方法的关键或者核心就在于词语与词语之间的共现关系，利解决评论情感极性的自动判断问题。随着近年来深度学习技术的快速发展，其在大规模文本数据的智能理解上表现出了独特的优势，越来越多的研究人员青睐于使用深度学习技术来解决文本分类问题。关键词文本分类情感分析分类方法引言文本情感分类可以被看成为类特殊的文本分类问题，目前的绝大多数相近等意思来进行词语级情感分类。等人是基于此种方法，假设同义词为正向极性，反义词为负向极性，他们通过定义种子词为动词和形容词以及利用这些词汇进行情感词汇的扩充......”。

7、“.....这种方法出随即就有大量的研究学者研究与模仿，其中颇有名气的便是基础资源的分布极不均衡，这也是进行跨语言情感分类研究的原因之。目前跨语言情感分类的研究面临着系列的难点问题，主要包含语言迁移情感分析本身两方面的问题，语言迁移主要表现在不同的语言所表达的情感思想差异巨大，再进行语言情感的转换会丢失大部分的信息，而在情感分析方面最大的问题用这种关系来确立情感词的倾向性，最早进行这方面的研究学者有，他们挖掘出来的形容词主要是来自于华尔街日报语料库，依据的原理就是利用连接词的关系来确定情感词的倾向性。尽管进行了大量研究工作，但是就情感判断而言难度依然很大......”。

8、“.....等人首先将有监督机器学习方法应用于文档情感分类问题中，比较了朴素贝叶斯最大熵和支持向量机这几种方法在电影评论数据集上的褒贬分类效果，发现文本情感分类比传统文本分类更具挑战性。这种分类方法研究深度相对较高，同时也在些实际应用中得到了比较理想的分类结果。同时平衡性，举个例子，英国早年在情感分析问题上进行了系列的研究，其研究成果也影响了全国各地的研究学者的研究，这成果就包括了标注语料情感词典等，而相比之下我国的国语标注语料情感词典等资源也就相对较少，其原因也不仅仅是我国的研究时间较晚，更多的是情感资源在不同语言间具有分布不平时也需要注意分类模型假设的正确性，并不是未标注数据越多分类效果就越好......”。

9、“.....句子级情感分类句子的主客观分类在实际评论中，包含了许多对客观事实进行直接描述的句子，比如，今天我和朋友起逛了苏果超市，买了苹果橘子还有香蕉就是对客观事实直接描述的句子，没人任何的源的不平衡性，举个例子，英国早年在情感分析问题上进行了系列的研究，其研究成果也影响了全国各地的研究学者的研究，这成果就包括了标注语料情感词典等，而相比之下我国的国语标注语料情感词典等资源也就相对较少，其原因也不仅仅是我国的研究时间较晚，更多的是情感资源在不同语言间具有分据集上的褒贬分类效果，发现文本情感分类比传统文本分类更具挑战性。这种分类方法研究深度相对较高，同时也在些实际应用中得到了比较理想的分类结果。同时......”。