基于BERT模型和动态集成选择的多分类文本情感识别研究

作     者：张忠良 费秦君 陈愉予 雒兴刚 Zhongliang Zhang;Qinjun Fei;Yuyu Chen;Xinggang Luo

作者机构：杭州电子科技大学管理学院浙江杭州310018 

出 版 物：《中国管理科学》 (Chinese Journal of Management Science)

年 卷 期：2024年第32卷第6期

页      面：140-150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：国家自然科学基金青年项目(71801065) 国家自然科学基金面上项目(71831006) 浙江省哲学社会科学规划课题(21NDJC072YB) 浙江省自然科学基金重点项目(LZ20G010001) 

主　　题：文本情感识别 BERT 多分类 动态选择集成 分解策略 

摘      要：针对传统方法提取文本特征向量存在语义缺失,以及有些文本情感识别任务涉及多分类问题,提出一种新的基于BERT(bidirectional encoder representations from transformers)和动态集成选择的多分类文本情感识别策略。首先,采用BERT对文本进行向量化处理,针对多分类文本情感识别任务采用OVO分解策略拆分成多个二分类子任务;其次,针对每个子任务采用动态集成选择策略构建分类器集成模型;最后,基于聚合策略获得最终的预测结果。采用公开的影评数据集对所提出的方法进行实证分析。结果表明:(1)相较于传统的TF-IDF与Word2Vec方法,基于BERT模型的词向量化处理有助于提高文本情感识别精度;(2)针对多分类情感识别任务中的每个子问题,采用动态集成选择策略可以有效提高识别效果;(3)本文建立的预测模型性能比其他现有情感识别模型具有显著优势。