基于機器學習的微博情感分類研究

湖北工業大學 黃慧

基于機器學習的微博情感分類研究

湖北工業大學 黃慧

本文主要介紹機器學習研究計算機模擬人類的學習行為，以獲得新的知識或技能，重新組織現有的知識結構，從而不斷提高他們的表現。它是人工智能，智能計算機的核心，其應用遍及人工智能的各個領域，它主要是用感性的，全面的而不是解釋。

機器學習；人工智能

機器學習是學習的內在機制，建立能夠了解他們自己的理論方法水平的計算機程序，自動增加學科的理解和研究。近年來，機器學習的理論被成功地應用在許多的領域，已成為計算機科學的基礎和熱點之一。使用機器學習方法的計算機程序，已成功地用于機器人國際象棋程序，語音識別，信用卡欺詐檢測，車輛駕駛，智能機器人和其他應用程序，除了機器學習理論，也可用于數據集在這方面的數據挖掘。事實上，任何經驗可以積累，機器學習方法可以起到一定的作用。

機器學習一直是一個非常廣泛的應用，如搜索引擎，醫療診斷，檢測信用卡欺詐，股市分析，DNA測序，語音和手寫識別，戰略游戲和機器人的使用范圍。

機器學習有關的學術活動，是比以往任何時候都更加活躍。除了每年的機器學習研討會，學習理論和遺傳算法的會議等計算機會議。

機器學習是繼專家系統是人工智能，人工智能和神經計算應用的另一個重要的研究領域的核心研究課題之一。現有的計算機系統和人工智能系統，不具有學習能力，充其量只是一個非常有限的學習能力，因此不能滿足新的技術和生產要求。討論機器學習和機器學習研究的進展，將促進人工智能和科學技術的進一步發展。

機器學習是人工智能研究的一個相對年輕的分支，發展過程可分為來個時期[3]。

第一階段是在20世紀50年代中期到60年代中期的熱烈時期。

第二個階段是在20世紀60年代中期的冷靜期，20世紀70年代中期，被稱為機器學習。

第三階段是從20世紀70年代中期到80年代中期，被稱為文藝復興。機器學習的最新階段始于1986年。

機器學習正進入一個新的階段表現在以下幾個方面：

（1）機器學習已成為一個新的學科和課程在高校形成。它結合了應用心理學，生物學，神經生理學和數學，自動化和計算機科學形成機器學習理論。

（2）結合各種互相學習各種形式的綜合性學習系統，是在不斷上升。學習的符號連接，耦合可以更好地解決信號處理的知識和技能的采集和完善，并注意連續性。

（3）機器學習和人工智能的基本問題是新興。如學習與解決問題相結合，便于學習產生一般智能系統的學習塊表示知識點飆升。類比學習和基于案例的方法解決問題已成為體驗學習的一個重要方向。

（4）各種學習方法，應用范圍不斷擴大，形成商品的一部分。歸納學習獲取知識的工具已被廣泛應用于診斷分類專家系統。連接在圖形識別的主導聲音學習。分析學習已用于設計專家系統。遺傳算法和強化學習在工程控制有良好的應用前景。耦合神經網絡和符號系統連接學習在智能管理和智能機器人運動規劃中發揮作用。

（5）機器學習有關的學術活動比以往任何時候都更加活躍。除了每年的機器學習研討會，還有學習理論和遺傳算法等計算機會議。

[1]徐立本.機器學習引論[M].長春:吉林大學出版社.1993.

[2]劉琴.機器學習[J].武鋼職工大學學報,2001(6):41-44.

[3]蘇金樹,張博鋒,徐昕.基于機器學習的文本分類技術研究進展[J].軟件學報.2006,17(9):1848-1859.

[4]王曉曄,張繼東,孫濟洲.一種高效的分類規則挖掘算法[J].計算機工程與應用,2006(,33):174-176.

2017-09-10）