基于增强字向量的微博观点句情感极性分类方法.pdfVIP

!第 # 卷第 $ 期 郑 州 大 学 学 报! 理 学 版 %’(# )($ ! *+$, 年 - 月 ./012345167389/! ):;/=8/?/ @:A(*+$, 基于增强字向量的微博观点句情感极性分类方法 廖!健$ !!王素格$!* !!李德玉$!* !!王!杰$ !$/山西大学 计算机与信息技术学院!山西 太原 +-+++B */山西大学 计算智能与中文信息处理教育部重点实验室!山西 太原 +-+++B 摘要! 针对微博观点句识别及情感极性分类任务$提出了基于增强字向量的微博观点句情感极性分类方法/使用单 字作为句子表示的基本单元$同时在单字中嵌入了该字所在的词信息以及该词的词性信息$以此训练得到字向量 替代传统的词向量融合的句子表示方法/使用基于 \CE2:3I的方法对 向量化的句子进行情感判别$仅需要对文本 进行分词和词性标注$无需额外的语言学资源/在 TNK*+$D 任务 * 的微博句子数据集上进行测试$取得了较好的 结果/ 关键词! 增强字向量 观点句分类 深度学习 中图分类号! ‘k-#$!!!!!文献标志码! K!!!!!文章编号! $B,$CBO$!*+$,+$C++-#C+B !#! $+($-,+DPQ/8II3/$B,$CBO$(*+$B-*, $%引言 以微博为代表的社交网络的兴起使得每一个网民都能自由地表达自身的观点/态度/情感等主观性信 息/截至 *+$D 年 $* 月$我国微博用户规模为 *(+ 亿/分析和监测微博所包含的情感信息$能够了解广大网 民对某产品/人物或者事件的关注程度和情感变化$为决策者提供实时科学的理论依据$具有巨大的商业价 值和社会价值$也给自然语言处理! )Mk 带来了新的机遇和挑战/ 微博观点句情感分析的主要目的就是从用户发布的微博中识别含有观点的句子$并判断其情感极性/目 前研究主要集中于基于人工特征工程和基于机器学习的方法/基于人工特征工程的方法通常采用情感词典 和规则相结合$通过在已有的词典或知识库资源进行一定的扩展生成情感倾向词典$或是预先建立一个倾向 性语义规则集$进而实现对文本的情感识别/例如$文献)$* 提出一种整合语言学现象/常识推理的概念层的 情感分析方法/基于机器学习的方法通常是将情感分析问题看作是一个分类问题$标注好的训练集通过机器 学习算法$以情感词/主题相 关特 征 等作 为 分 类特 征 训 练得 到 分 类模 型$用 于 以 后 的 情 感分类/例如$文献 )** 在 ‘[8;;2A数据集上 实 现 了 基 于 朴 素 贝 叶 斯/支 持 向 量 机 和 条 件 随 机 场 的 情 感 分 类 器$ 取 得 了 良 好 的 效果/ 近年来$深度学习成为 )Mk领域最热门的研究之一/对于句子的表示学习$主要有使用词表示的组合和 直接学习句子的分布两种方法/卷积神经网络! T)) )- J* 是一种有效的对句子进行建模的方法$其核心就是 对语言片段中出现的词进行窗口平滑$利用平滑后句子向量进行后续的 )Mk相关研究/文献)D* 使用递归循 环神经网络! L)) 训练句子表示$L))剔除了窗口限制$可以充分利用所有上文信息来预测下一个词/文献 )B* 通过将句子 Sh号作为一个输入单元训练$以学习到的向量作为该句子的表示/文献 ),* 使用深