基于字词融合特征的微博情绪识别方法

被引:9
作者
殷昊
徐健
李寿山
周国栋
机构
[1] 苏州大学计算机科学与技术学院
关键词
情绪识别; 融合特征; LSTM;
D O I
暂无
中图分类号
TP391.1 [文字信息处理];
学科分类号
120506 [数字人文];
摘要
文本情绪识别是自然语言处理问题中的一项基本任务。该任务旨在通过分析文本判断该文本是否含有情绪。针对该任务,提出了一种基于字词融合特征的微博情绪识别方法。相对于传统方法,所提方法能够充分考虑微博语言的特点,充分利用字词融合特征提升识别性能。具体而言,首先将微博文本分别用字特征和词特征表示;然后利用LSTM模型(或双向LSTM模型)分别从字特征和词特征表示的微博文本中提取隐层特征;最后融合两组隐层特征,得到字词融合特征,从而进行情绪识别。实验结果表明,该方法能够获得更好的情绪识别性能。
引用
收藏
页码:105 / 109
页数:5
相关论文
共 4 条
[1]
基于句法信息的微博情绪识别方法研究 [J].
黄磊 ;
李寿山 ;
周国栋 .
计算机科学, 2017, 44 (02) :244-249
[2]
微博语言特点初步分析 [J].
王攸然 .
河南广播电视大学学报, 2015, 28 (01) :70-72
[3]
面向微博文本的情绪标注语料库构建 [J].
姚源林 ;
王树伟 ;
徐睿峰 ;
刘滨 ;
桂林 ;
陆勤 ;
王晓龙 .
中文信息学报, 2014, (05) :83-91
[4]
中文情绪识别方法研究 [J].
刘欢欢 ;
李寿山 ;
周国栋 ;
李逸薇 .
江西师范大学学报(自然科学版), 2013, 37 (02) :120-124