基于情感词和多任务卷积神经网络的文本情感分布学习

作     者：江晨琳 曾雪强 郭小奉 东雨畅 左家莉 王明文 JIANG Chenin;ZENG Xueqiang;GUO Xiaofeng;DONG Yuchang;ZUO Jiai;WANG Mingwen

作者机构：江西师范大学计算机信息工程学院江西南昌330022 

出 版 物：《中文信息学报》 (Journal of Chinese Information Processing)

年 卷 期：2023年第37卷第4期

页      面：126-136页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62266021,6186601761866018,61876074,61966019) 江西省自然科学基金(20192BAB207027) 

主　　题：情感分布学习 文本情绪分析 情感词 多任务卷积神经网络 

摘      要：不同于传统的情感分析范式,情感分布学习采用与示例关联的情感分布对多种情绪进行定量建模,可以较好地处理具有情绪模糊性的情感分析任务。针对现有情感分布学习方法缺乏考虑文本分析任务特有的情感词语言学先验知识的问题,该文提出一种基于情感词和多任务卷积神经网络(Lexicon enhanced Multi-Task Convolutional Neural Network,LMT-CNN)的文本情感分布学习模型,用于预测文本的情感分布和情绪标签。LMT-CNN模型的网络结构由文本语义信息模块、情感词的情感知识模块和多任务预测模块组成,采用端到端方式进行模型训练和预测。在7个常用的文本情感数据集上的对比实验结果表明,LMT-CNN模型具有比已有的情感分布学习方法更优的情感分布预测和情绪分类性能。