基于BiLSTM-ATT的微博用户情感分类研究*

谢思雅,施一萍,胡佳玲,陈 藩,刘 瑾

(上海工程技术大学 电子电气工程学院,上海 201620)

0 引 言

随着移动互联网的迅速发展,新浪微博已成为广大群众抒发情感发表观点的重要平台。了解其言论情感就能了解用户该时间段内的情感倾向,从而获得更多信息。

传统的文本情感分析方法主要有：基于情感词典、基于表情符号等。如文献[1]使用情感词典的方法,文献[2]利用表情符号进行情感分类。但这些方法需要花费大量的时间提取文本数据中的特征。因此,利用机器学习和深度学习进行情感分类的方法应运而生。针对微博短文本,张英[3]提出了一种基于深度卷积神经网络的情感分类方法,并与 支持向量机(support vector machine,SVM) 算法和卷积神经网络(convolutional neural network,CNN)方法进行比较,验证该模型的有效性。李鸣等人[4]应用Apriori算法和情感词典匹配算法进行了较准确的文本情感分析。袁磊[5]利用改进的卡方统计量算法进行特征提取,提高了情感文本分类的准确率。

本文针对用户自身的情感倾向提出了一种使用词向量结合深度学习的方式去学习文本中的情感信息,在NLPCC2013语料集的基础上构建一个新的带有微博用户情感信息的数据集进行测试,最终实现了更准确的用户情感倾向分类。这些结果对政府了解群众的情感动态以及企业了解用户喜好有重要价值。

1 相关工作

长短期记忆(long short-term memory,LSTM)网络是一种较特殊的循环神经网络(RNN),可以做到长期依赖信息。Sundermeyer M等人解释了怎样使用LSTM构造语言模型[6]。……