融合表情符号图像特征学习的微博情感分类

陈 黎, 刘雨欣， 周耘立， 吴妍秀， 于中华

(1.四川大学计算机学院， 成都 610065； 2. 四川大学软件学院， 成都 610065)

1 引 言

随着移动互联网的普及与发展，微博逐渐成为人们分享观点和表达情感的主要平台，其内容有传播范围广、更新速度快、话题聚集度高等特点. 近年来，微博平台在各类公共事件中起到越来越大的影响，微博的情感分析对于舆情的监控有着重要的研究意义. 与传统新闻、博客相比，微博内容短小，语言不规范，并且混合了多种非文字类信息，给情感分类任务带来了巨大的挑战[1].

在微博的非文字类信息中，表情符号已成为其重要的组成部分, 同时也是分析社交媒体情感的重要特征之一. 例如：“跑了十公里”，用户使用表情“”来增强感染力并表达了喜悦这一积极的情感. 现有的研究已经认识到微博的表情符号对情感是有重要的预示作用，因此，文献[2]定义表情符号的情感类型，并通过表情作为远距离监督信号，自动标注Twitter的情感类别，以此来构建情感分类数据集.

就我们所知，现有的研究工作还未将表情作为图像融入到微博的情感分类中，因此,为了解决现有研究存在的问题，本文提出了一种融合表情图像特征来实现微博情感分类的方法. 首先，通过卷积自编码器自动学习表情符号的图像特征，再利用深度模型将图像特征以及微博的文本特征结合起来，进行情感分类.

2 相关工作

情感分析(Sentiment Analysis，SA)是对带有感情色彩的主观性文本进行分析……