|
广西师范大学学报(自然科学版) ›› 2019, Vol. 37 ›› Issue (1): 42-49.doi: 10.16088/j.issn.1001-6600.2019.01.005
岳天驰1, 张绍武1,2*, 杨亮1, 林鸿飞1, 于凯2
YUE Tianchi1, ZHANG Shaowu1,2*, YANG Liang1, LIN Hongfei1, YU Kai2
摘要: 立场检测是分析文本作者对某一话题所表现的立场倾向性是支持、反对还是中立,是舆情分析的重要研究方向。本文针对现有的大部分立场检测方法无法充分建模话题信息,很难联合分析话题与相应文本的现状,提出了一种两阶段注意力机制的立场检测方法。第一阶段利用注意力机制学习话题整体语义表示,第二阶段将话题表示与文本表示进行注意力匹配,进而得到融合特定话题的文本表示向量,最后对该语义表示进行分类。实验结果表明,该模型在新疆反恐话题的语料上Acc和F值指标分别提高了0.4%和1%,在NLPCC-2016立场检测任务数据集的4个话题上取得了较优的效果。
中图分类号:
[1] 赵妍妍,秦兵,刘挺. 文本情感分析[J]. 软件学报, 2010, 21(8):1834-1848. [2] XU R, ZHOU Y, WU D, et al. Overview of NLPCC shared task 4: stance detection in Chinese microblogs[C]//International Conference on Computer Processing of Oriental Languages. Cham, Switzerland: Springer, 2016:907-916. [3] MOHAMMAD S, KIRITCHENKO S, SOBHANI P,et al. SemEval-2016 Task 6: detecting stance in Tweets[C]//International Workshop on Semantic Evaluation. Stroudsburg,PA: ACL, 2016:31-41. [4] 周耘立, 李珊珊. 微博立场检测研究综述[J]. 现代计算机, 2017(2):32-34. [5] 刘继, 李磊. 暴恐主题下微博用户特征及情感倾向性分析[J]. 情报杂志, 2014(12):109-111. [6] 奠雨洁, 金琴, 吴慧敏. 基于多文本特征融合的中文微博的立场检测[J]. 计算机工程与应用, 2017, 53(21):77-84. [7] YU N, PAN D, ZHANG M, et al. Stance detection in Chinese microblogs with neural networks[C]//Natural Language Understanding and Intelligent Applications. Switzerland: Springer, 2016:893-900. [8] ZARRELLA G, MARSH A. MITRE at SemEval-2016 Task 6: Transfer learning for stance detection[C]//International Workshop on Semantic Evaluation. Stroudsburg, PA: ACL, 2016:458-463. [9] DU J, XU R, HE Y,et al. Stance classification with target-specific neural attention[C]//Twenty-Sixth International Joint Conference on Artificial Intelligence. San Francisco, CA: Margen Kaufmann, 2017:3988-3994. [10] YANG Z, YANG D, DYER C, et al. Hierarchical attention networks for document classification[C]//Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. Stroudsburg, PA: ACL, 2016:1480-1489. [11] CHEN H, SUN M, TU C, et al. Neural sentiment classification with user and product attention[C]//Conference on Empirical Methods in Natural Language Processing. Stroudsburg, PA: ACL, 2016:1650-1659. [12] WANG Y, HUANG M, ZHU X, et al. Attention-based LSTM for aspect-level sentiment classification[C]//Conference on Empirical Methods in Natural Language Processing. Stroudsburg, PA: ACL ,2016:606-615. [13] MA D, LI S, ZHANG X, et al. Interactive attention networks for aspect-level sentiment classification[C]//Twenty-Sixth International Joint Conference on Artificial Intelligence. San Francisco, CA:Margen Kaufmann, 2017:4068-4074. [14] 梁斌, 刘全, 徐进,等. 基于多注意力卷积神经网络的特定目标情感分析[J]. 计算机研究与发展, 2017, 54(8):1724-1735. [15] HOCHREITER S, SCHMIDHUBER J. Long short-term memory[C]//Supervised Sequence Labelling with Recurrent Neural Networks. Berlin: Springer, 1997:1735-1780. [16] MIKOLOV T, CHEN K, CORRADO G, et al. Efficient estimation of word representations in vector space[C/OL]// Proceedings of Workshop at ICLR. 2013.[2017-03-15] https://arxiv.org/pdf/1301.3781.pdf [17] 韩斌. 向西方还原一个真实的新疆——从西方媒体报道看新疆国际形象的构建策略[J]. 对外传播, 2016(8):39-41. [18] PANG B, LEE L, VAITHYANATHAN S. Thumbs up? Sentiment classification using machine learning techniques[C] //Isa-belle P. Proc of the EMNLP 2002. Stroudsburg, PA: ACL, 2002:79-86. [19] 刘龙飞, 杨亮, 张绍武,等. 基于卷积神经网络的微博情感倾向性分析[J]. 中文信息学报, 2015, 29(6):159-165. [20] KIM Y.Convolutional neural networks for sentence classification[C]//Proceedings of the EMNLP. Stroudsburg, PA: ACL, 2014:1746-1751. |
[1] | 张明宇, 赵猛, 蔡夫鸿, 梁钰, 王鑫红. 基于深度学习的波浪能发电功率预测[J]. 广西师范大学学报(自然科学版), 2020, 38(3): 25-32. |
[2] | 李维勇, 柳斌, 张伟, 陈云芳. 一种基于深度学习的中文生成式自动摘要方法[J]. 广西师范大学学报(自然科学版), 2020, 38(2): 51-63. |
[3] | 刘英璇, 伍锡如, 雪刚刚. 基于深度学习的道路交通标志多目标实时检测[J]. 广西师范大学学报(自然科学版), 2020, 38(2): 96-106. |
[4] | 王健, 郑七凡, 李超, 石晶. 基于ENCODER_ATT机制的远程监督关系抽取[J]. 广西师范大学学报(自然科学版), 2019, 37(4): 53-60. |
[5] | 张金磊, 罗玉玲, 付强. 基于门控循环单元神经网络的金融时间序列预测[J]. 广西师范大学学报(自然科学版), 2019, 37(2): 82-89. |
[6] | 黄丽明, 陈维政, 闫宏飞, 陈翀. 基于循环神经网络和深度学习的股票预测方法[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 13-22. |
[7] | 武文雅, 陈钰枫, 徐金安, 张玉洁. 基于高层语义注意力机制的中文实体关系抽取[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 32-41. |
[8] | 余传明, 李浩男, 安璐. 基于多任务深度学习的文本情感原因分析[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 50-61. |
[9] | 王祺, 邱家辉, 阮彤, 高大启, 高炬. 基于循环胶囊网络的临床语义关系识别研究[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 80-88. |
[10] | 何泉昊, 樊兴华, 周鹏. 基于两步策略的文本分类方法实验研究[J]. 广西师范大学学报(自然科学版), 2011, 29(4): 35-38. |
[11] | 廖海波, 万中英, 王明文. 免疫进化的投影寻踪模型在文本分类中的应用[J]. 广西师范大学学报(自然科学版), 2011, 29(1): 123-128. |
[12] | 袁鼎荣, 谢扬才, 陆广泉, 刘星. 一种新的基于软集合理论的文本分类方法[J]. 广西师范大学学报(自然科学版), 2011, 29(1): 129-132. |
|
版权所有 © 广西师范大学学报(自然科学版)编辑部 地址:广西桂林市三里店育才路15号 邮编:541004 电话:0773-5857325 E-mail: gxsdzkb@mailbox.gxnu.edu.cn 本系统由北京玛格泰克科技发展有限公司设计开发 |