基于神经网络融合标签相关性的多标签情感预测研究

陈 玮，林雪健，尹 钟

(上海理工大学 光电信息与计算机工程学院,上海 200093)

0 引言

情感是人们对客观事物认知的心理表现，是表达思想的关键。随着微博、豆瓣、Twitter等社交软件在互联网上的普遍使用，大量的新闻和评论等数据均可以在网络上获得[1]。对社交媒体内容中所表达的情感进行检测和分析，有利于在商业、公共卫生、社会福利等方面的应用[2]。

情感预测的任务是确定对一个目标或主题的态度，态度可以是一种极性(积极或消极)，也可以是一种情感状态，如喜悦、愤怒或悲伤[3]。以往大多数研究是判断社交媒体内容中所包含的正面或负面态度，如商品评论中，顾客对于某个产品是否满意，或者在影评中，观众对于影片持精彩或乏味的态度。关于判断情感状态的工作，大多只关注单标签分类，将情感文本在多个类别中划分为一个情感类别，而忽视了多种情感类别可能在一个文本实例中共存的情况，这显然与现实不符[4]。例如，一个老人有三个儿子，但老了没有一个人照顾他，这可能导致读者悲伤、愤怒或者其他不同的情感。

近年来，多标签分类在很多领域都有了广泛的应用，如文本分类、图像标注、生物信息学领域[5]等。目前，针对微博文本进行多标签情感分类的研究尚处于起步阶段[6]。第二届自然语言处理与中文计算会议(NLP&CC2013)首次提出了关于中文微博的细粒度情感预测任务，要求为每一个微博文本实例从一组关联的标签中选取多个情感标签。……