周报-0810-覃春桃1
需积分: 0 26 浏览量
2022-08-08
19:13:24
上传
评论
收藏 143KB DOCX 举报
2017 年 8 月 8 日周报
一、 参考文献
《基于长短记忆多维主题情感倾向性分析模型》
作者：滕飞、郑超美、李文、南昌大学信息工程学院
关键词：中文微博、情感倾向分析、长短记忆（LSTM）、多层多维模型、主题标签
二、 收获
1. 微博特征
具有独特情感特征，既需明白表面意思，又需分析内在含义，篇幅短小精悍，语言
结构口语化，存在表情符号和创造性语言特征，因此需从各个方面对微博信息进行
分析
2. RNN 的缺陷
（1） 长期目标依赖性导致训练难度大；（2）RNN 侧重于对整个句子的理解，微
博很少有完整的句子或完善的语法结构；（3）CW—RNN（CW-RNN 用一组
几何级数频率的时钟去驱动神经网路，如频率为 f, 2f, 4f, 8f,）不适用于正则
法表达，缺乏上下文内在关联，使微博识别性降低；
3. 使用 LSTM 原因
（1） 轻松捕获是长期依赖项，减缓信息衰缓速率，增加深度计算优势；（2）多
维主题情感分析，提高微博情感倾向分辨率；（3）增强分类准确性，不依
赖句子标签和形式，采用分层方式增强词与词，义群与义群，句与句的联
系，再将主题进行分类；（4）解决因时间迁移导致数据模糊而无法计算问
题；
4.微博情感分析过程
（1） 对语料库进行预处理，对微博信息进行清洗，去掉微博中不存在的情感噪
声数据（话题，标题，回复，统一资源定位器，来源），表情符号转为文字，
采用 ICTCLAS 分词系统将句子进行词语划分，保留标点和各种符号，表情符
那你干哈
- 粉丝: 27
- 资源: 289
评论0