基于双向分层语义模型的多源新闻评论情绪预测

被引：5

作者：

张莹

王超

郭文雅

袁晓洁

机构：

[1] 南开大学计算机与控制工程学院

来源：

计算机研究与发展 | 2018年 / 05期

基金：

天津市自然科学基金;

关键词：

在线新闻评论; 情绪标注; 分层语义表示; 多信息源; 神经网络;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.1 [文字信息处理];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081203 ;

摘要：

随着在线新闻服务的迅猛发展,用户在阅读新闻后可以非常方便地表达自己的主观情绪,有效分析和预测用户的情绪有助于新闻服务提供商为新闻用户提供更好的服务.情绪标注研究已经取得了很多优秀的成果,但仍然存在着一些问题:1)传统的方法将整个文档看作单词流或词袋,不能对句子间的逻辑关系进行建模,在文档中的句子间包含逻辑关系时,这些方法无法适当地表达文档的语义;2)这些方法只用了文档本身的语义,忽略了与该文档相关的其他信息源中信息,而这些信息源对该文档的语义表达也有一定的影响.为了解决这些问题,提出了一种基于多信息源的在线新闻评论双向分层语义表示模型,称为双向分层语义神经网络(bi-directional hierarchical semantic neural network,Bi-HSNN),该模型既捕获句子中词语所表达的情感,又自底向上地学习文档中句子间的逻辑关系,并利用评论、新闻和用户投票等多种信息源对在线新闻评论的情绪进行标注.在真实数据集上的一系列实验,验证了该模型的有效性.

引用

页码：933 / 944

页数：12

共 6 条

[1] 文本情感分析 [J].

赵妍妍 ;

秦兵 ;

刘挺 .

软件学报, 2010, 21 (08) :1834-1848

[2]

Towards dropout training for convolutional neural networks[J] . Haibing Wu,Xiaodong Gu.Neural Networks . 2015

[3]

Building emotional dictionary for sentiment analysis of online news[J] . Yanghui Rao,Jingsheng Lei,Liu Wenyin,Qing Li,Mingliang Chen.World Wide Web . 2014 (4)

[4] A Few Useful Things to Know About Machine Learning [J].

Domingos, Pedro .

COMMUNICATIONS OF THE ACM, 2012, 55 (10) :78-87

[5]

Framewise phoneme classification with bidirectional LSTM and other neural network architectures[J] . Alex Graves,Jürgen Schmidhuber.Neural Networks . 2005 (5)

[6] Long short-term memory [J].

Hochreiter, S ;

Schmidhuber, J .

NEURAL COMPUTATION, 1997, 9 (08) :1735-1780

← 1 →