图卷积神经网络在中文对话情感分析中的应用

杨 青，朱 丽，张亚文，吴 涛

（1.华中师范大学计算机学院；2.国家语言资源监测与研究网络媒体中心，湖北武汉 430079）

0 引言

网络的快速发展推动大数据时代的到来，人们表达情绪的方式逐渐多样化，其中社交网络平台成为最重要的途径。带有情感倾向的文本信息暴增，有效挖掘海量文本的情感信息，并将其应用于实际生活中，是极其重要的研究方向，文本情感识别也成为自然语言处理领域的一个研究热点。

近年来，关于情感分析的研究工作得到许多关注，相关研究人员在文本情感分析方面不懈努力，取得了较大进步。文本情感分析也称为意见挖掘，是对带有情感倾向性的文本进行分析处理的过程。目前，大部分情感分析工作的研究目标是简单的文本，处理这些文本时没有考虑到用户信息，主要的情感分析方法有两种，即基于语义的情感词典方法和基于机器学习的情感分类方法。文献［1］基于大量微博评论文本构造大规模情感词典，用于提高情感分类效率，但分类效果极其依赖情感词典的规模和质量；文献［2］采用支持向量机（SVM）和朴素贝叶斯方法（Naïve Bayesian）在微博评论数据集上进行情感分析，指出基于机器学习的分类方法性能比基于语义的情感词典方法表现更好。

随着长短期记忆网络LSTM、卷积神经网络CNN 以及注意力机制等模型在自然语言领域，特别是在文本情感分析中的广泛应用，注意力机制和神经网络模型的结合使用成为近年来的研究热点。……