本文關(guān)鍵詞： 微博 情感分析 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 自然語言處理 社交網(wǎng)絡(luò)　出處：《計(jì)算機(jī)學(xué)報(bào)》2017年04期 　論文類型：期刊論文

【摘要】：基于神經(jīng)語言模型的詞向量表示技術(shù)能夠從大規(guī)模的未標(biāo)注文本數(shù)據(jù)集中自動(dòng)學(xué)習(xí)詞語的有效特征表示,已經(jīng)在許多自然語言處理任務(wù)及研究中取得重要進(jìn)展.微博中的表情符號(hào)是微博情感分析最重要的特征之一,已有大量的研究工作在探索有效地利用表情符號(hào)來提升微博情感分類效果.借助詞向量表示技術(shù),為常用表情符號(hào)構(gòu)建情感空間的特征表示矩陣R~E;基于向量的語義合成計(jì)算原理,通過矩陣R~E與詞向量的乘積運(yùn)算完成詞義到情感空間的映射;接著輸入到一個(gè)MCNN(Multi-channel Convolution Neural Network)模型,學(xué)習(xí)一個(gè)微博的情感分類器.整個(gè)模型稱為EMCNN(Emotion-semantics enhanced MCNN),將基于表情符號(hào)的情感空間映射與深度學(xué)習(xí)模型MCNN結(jié)合,有效增強(qiáng)了MCNN捕捉情感語義的能力.EMCNN模型在NLPCC微博情感評(píng)測(cè)數(shù)據(jù)集上的多個(gè)情感分類實(shí)驗(yàn)中取得最佳分類性能,并在所有性能指標(biāo)上超過目前已知文獻(xiàn)中的最好分類效果.在取得以上分類性能提升的同時(shí),EMCNN相對(duì)MCNN的訓(xùn)練耗時(shí)在主客觀分類時(shí)減少了36.15%,在情感7分類時(shí)減少了33.82%.
[Abstract]:Word vector representation technology based on neural language model can automatically learn effective feature representation of words from large scale unlabeled text dataset. Important progress has been made in many natural language processing tasks and studies. The emoji in Weibo is one of the most important features of Weibo's affective analysis. A great deal of research has been done to explore the effective use of emoji to improve Weibo's affective classification. The feature representation matrix of affective space is constructed for common emoji. Based on the computation principle of semantic synthesis of vector, the mapping of word meaning to emotion space is completed by multiplying the product of matrix Rae and word vector, and then an MCNN(Multi-channel Convolution Neural network model is inputted. Learn a Weibo's affective classifier. The whole model, called EMCNN(Emotion-semantics enhanced MCNNN, combines emoji based affective space mapping with depth learning model MCNN. It effectively enhances the ability of MCNN to capture emotional semantics. EMCNN model achieves the best classification performance in a number of affective classification experiments on the emotional evaluation dataset of NLPCC Weibo. At the same time, the training time of MCNN relative to MCNN is reduced by 36.15 in subjective and objective classification, and 33.82 in emotional 7 classification.
【作者單位】： 武漢大學(xué)計(jì)算機(jī)學(xué)院;武漢大學(xué)軟件工程國家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金(61303115,61373039,61472290) 高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金(2013014111002512)資助~~
【分類號(hào)】：TP391.1;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;《統(tǒng)計(jì)自然語言處理基礎(chǔ)》[J];中文信息學(xué)報(bào);2005年03期

2 徐繼偉;;自然語言處理技術(shù)在生物信息學(xué)中的應(yīng)用(英文)[J];生物信息學(xué);2006年01期

3 王挺;麥范金;劉忠;;自然語言處理及其應(yīng)用前景的研究[J];桂林航天工業(yè)高等�？茖W(xué)校學(xué)報(bào);2006年04期

4 ;第二屆全國少數(shù)民族青年自然語言處理學(xué)術(shù)研討會(huì)召開[J];模式識(shí)別與人工智能;2008年05期

5 高精揓;蕭國政;姬東鴻;;手持嵌入式系統(tǒng)應(yīng)用中的自然語言處理關(guān)鍵技術(shù)[J];長江學(xué)術(shù);2009年02期

6 馮志偉;;自然語言處理中的一些宏觀問題之我見[J];中國外語;2009年05期

7 曹佩;;論自然語言處理[J];信息與電腦(理論版);2010年05期

8 邵澤國;;語言科學(xué)發(fā)展的新分支——自然語言處理[J];電子科技;2013年05期

9 李霞;;面向本科階段開設(shè)的“自然語言處理”課程教學(xué)研究[J];福建電腦;2013年07期

10 賀廣明;;自然語言處理的六個(gè)級(jí)別[J];情報(bào)雜志;1988年04期

相關(guān)會(huì)議論文 前10條

1 馬穎華;蘇貴洋;;基于概念的自然語言處理[A];第一屆學(xué)生計(jì)算語言學(xué)研討會(huì)論文集[C];2002年

2 李生;;哈工大自然語言處理研究進(jìn)展[A];語言計(jì)算與基于內(nèi)容的文本處理——全國第七屆計(jì)算語言學(xué)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2003年

3 ;哈爾濱工業(yè)大學(xué)智能技術(shù)與自然語言處理研究室簡介[A];中國中文信息學(xué)會(huì)第六次全國會(huì)員代表大會(huì)暨成立二十五周年學(xué)術(shù)會(huì)議中文信息處理重大成果匯報(bào)展資料匯編[C];2006年

4 馮志偉;;自然語言處理中的理性主義和經(jīng)驗(yàn)主義[A];民族語言文字信息技術(shù)研究——第十一屆全國民族語言文字信息學(xué)術(shù)研討會(huì)論文集[C];2007年

5 宋柔;;自然語言處理中語言知識(shí)的基礎(chǔ)性地位[A];民族語言文字信息技術(shù)研究——第十一屆全國民族語言文字信息學(xué)術(shù)研討會(huì)論文集[C];2007年

6 李文;程華良;彭耀;溫明杰;肖威清;張陳斌;陳宗海;;自然語言處理云平臺(tái)[A];系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第15卷）[C];2014年

7 徐超;畢玉德;;面向自然語言處理的韓國語隱喻知識(shí)庫構(gòu)建研究[A];中國計(jì)算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

8 周國棟;孔芳;朱巧明;;指代消解：國內(nèi)外研究現(xiàn)狀及趨勢(shì)[A];內(nèi)容計(jì)算的研究與應(yīng)用前沿——第九屆全國計(jì)算語言學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

9 ;SWCL-2006組織機(jī)構(gòu)[A];第三屆學(xué)生計(jì)算語言學(xué)研討會(huì)論文集[C];2006年

10 張sソ，

本文編號(hào)：1496166