用于文本情感分析的深度学习方法综述（下）.PDFVIP

75 智能系统 用于文本情感分析的 深度学习方法综述（下） 文本情感分析旨在对蕴涵在文本中的观点和情感进行挖掘和分析，进而可以在个性化服务、推荐系统、舆情监测和产品调研等应用 方面提升性能。对于文本情感分析，从机器学习的角度，一般可以把它转化成分类问题，其中处理的关键在于文本表示、特征提取 以及分类器模型建立，而传统方法中最为核心的是情感特征词典构建。近年来，深度学习方法在图像、语音等诸多领域取得了令人 瞩目的进展，相比于传统的机器学习方法，该方法的最大优势就是可以从大量的数据样本中自动地学习出丰富、有效的特征，从而 获得更好的效果。已有研究表明，在文本表示层面，词语向量表示方法可以获取文本的语义、语法以及自身结构信息，为情感分析 研究提供坚实基础，并成为当前该领域的研究热点。本文首先介绍了文本情感分析的概念和问题分类，对深度学习在文本情感分析 中的相关工作进行梳理，详细讨论了文本情感分析中的文本表示方法以及深度学习模型，介绍了当前深度学习在文本情感分析应用 中存在的问题，并对未来该领域研究方向和趋势进行了展望。 文 / 清华大学深圳研究生院 杨余久 （接上文） 5 文本情感分析数据集和深度学习应用讨论 （4）公开的评测数据集。 基于公开数据集，国际文本评 5.1 典型数据集 测社区也开展了情感分析的任务评测竞赛，著名评测包括日本 语料库在文本情感分析中起着至关重要作用，在当前的 主办的 NTCIR，提供了中、日、英三种语言的标准语料库，从 主流机器学习方法解决情感分析问题中，语料库越大对提升性 新闻报道中判读主观性信息；国内有 COAE、NLPCC 两个知 能越有利。在此，我们对当前研究中常用的典型数据集做个简 名评测竞赛，其中前者为文本倾向性评测，分成了四个级别： 介。 词语级、句子级、要素级和篇章级，后者主要针对微博社交媒 （1）IMDB movie review 来 自 于 互 联 网 电 影 数 据 库 体标注进行了评测。 （IMDB）的新闻组，由 Bo Pang[64] 整理发布。用户的评级 5.2 深度学习方法特性 包括星级或者具体的数值，对应于三类：正面、负面或中立。 为了使得深度学习更好应用于文本情感分析中，我们需 目前影评库被广泛应用于各种粒度的 , 如词语、句子和篇章级 要在先总结分析以下其优点和不足。 情感分析研究中，该数据集在研究领域有较多的引用和使用。 现有研究表面，使用深度学习方法进行文本情感分析相 （2）Stanford Sentiment Treebank 该数据集合由斯坦 对一般的机器学习方法的主要优势在于可以自动地学习到多层 福的 Richard Socher 建设维护，也是来自于电影评论的情感 次的特征，减少或者全部代替了复杂、耗时的人工特征提取工 标注数据集。 作。由于深度网络强大的特征表达和学习能力，使用深度学习 （3）Amazon Product Review Data 该数据集主要是 方法往往可以获得比一般机器学习方法更好的效果。但是另一 由伊利诺伊大学芝加哥分校 (UIC) 的 Bing Liu 从亚马逊下载的 方面，深度网络强大的特征表示能力在某些方面是由含有大量 产品的网络评论 ( 包括两个品牌的数码相机、手机、MP3 和 自由参数的复杂网络结构带来的，太多的自由参数使得网络的 DVD 播放器等 )，其中他们将这些语料按句子为单元详细标注 训练需要大量的数据样本来训练网络，因此，深度学习方法并 了评价主体、情感句的极性及强度等信息。 不是适用于处理所有的问题，对于小规模数据的问题，传统的 76