基于深度學(xué)習(xí)的維吾爾語(yǔ)文本情感分析

發(fā)布時(shí)間：2020-02-10 22:04

【摘要】：隨著互聯(lián)網(wǎng)的發(fā)展,新疆的互聯(lián)網(wǎng)用戶大幅度增加,基于維吾爾語(yǔ)的網(wǎng)絡(luò)平臺(tái)也在不斷建立,帶有主觀感情色彩,反映態(tài)度和意見(jiàn)的維吾爾語(yǔ)評(píng)論性文本日益增多。因此,本文主要針對(duì)內(nèi)容豐富、信息量大的維吾爾語(yǔ)評(píng)論性文本進(jìn)行研究,完成情感分析任務(wù)�，F(xiàn)有的情感分析研究方法大多基于傳統(tǒng)機(jī)器學(xué)習(xí)模型或與人工提取特征結(jié)合,雖然在一定程度上提升系統(tǒng)性能,但存在一些局限性:1)依靠人工經(jīng)驗(yàn)抽取樣本的特征規(guī)則,受限于特征規(guī)則。2)傳統(tǒng)淺層機(jī)器學(xué)習(xí),對(duì)復(fù)雜問(wèn)題的泛化能力有限,無(wú)法充分表示深層次的語(yǔ)義信息。因此針對(duì)維吾爾語(yǔ)情感分析任務(wù),本文完成了以下工作:(1)提出采用深度學(xué)習(xí)算法進(jìn)行基于深層語(yǔ)義的維吾爾語(yǔ)句子級(jí)情感分析任務(wù)。根據(jù)維吾爾語(yǔ)語(yǔ)言特性,考慮詞性、情感詞、轉(zhuǎn)折連詞,否定成分等對(duì)情感傾向性的影響,從詞匯和句式兩個(gè)抽象層次共提取了8項(xiàng)情感特征,并引入富含豐富語(yǔ)義和上下文信息的詞向量表征詞匯,利用棧式自編碼算法無(wú)監(jiān)督的學(xué)習(xí)文本的深層語(yǔ)義特征。(2)實(shí)體指代成分準(zhǔn)確無(wú)歧義的消解為正確分析句子級(jí)情感任務(wù)提供了前提。研究分析近年來(lái)指代消解的研究現(xiàn)狀,提出基于深度學(xué)習(xí)的維吾爾語(yǔ)名詞短語(yǔ)的指代消解方法。根據(jù)維吾爾語(yǔ)具體的語(yǔ)言特性,總結(jié)具有指稱性的五類名詞短語(yǔ),提取相應(yīng)的13項(xiàng)指稱特征。同時(shí),提出利用詞向量空間位置關(guān)系表示語(yǔ)義層面上的聯(lián)系,增加特征對(duì)文本語(yǔ)義和句法信息的表達(dá)。(3)考慮詞序與名詞短語(yǔ)上下文信息對(duì)指代消解結(jié)果的影響,提出利用LSTM構(gòu)建名詞短語(yǔ)向量,結(jié)合深度棧式自編碼實(shí)現(xiàn)多模型結(jié)合的維吾爾語(yǔ)名詞短語(yǔ)指代消解方法,通過(guò)引入雙層LSTM學(xué)習(xí)名詞短語(yǔ)間對(duì)應(yīng)的詞匯序列和上下文信息,挖掘隱含的語(yǔ)義和句法關(guān)聯(lián),利用深度棧式自編碼算法的多層映射單元進(jìn)一步學(xué)習(xí)深層的特征,完成基于深層語(yǔ)義和句法信息的維吾爾語(yǔ)名詞短語(yǔ)指代消解任務(wù)。
【圖文】：