基于RNN 弱监督网络的英语语义分析技术研究

潘红丽

（西安航空学院外国语学院，陕西西安 710077）

随着人们在互联网上发布的信息越来越多，如何筛选其中的有用信息尤为重要，传统的文本分析效果有限，无法及时处理大量数据。因此，建立有效的英语情感分析体系[1]变得日趋重要。

自然语言处理（NLP）旨在使用计算资源从语言数据（即语音和文本）中提取重要特征，以结构化形式对数字化带注释的语言数据进行处理，以提供可供机器分析使用的信息。近年来，深度学习算法已成功解决了各个领域的问题，例如图像分类、机器翻译、语音识别、文本到语音的生成以及其他相关领域，这些领域的进步促使其通过计算机分析方法了解、分析人类情感成为可能。

文中基于递归神经网络（RNN）网络，设计了一种英语语义分析方法。RNN[2]可以提取文本中所有单词的信息，长短期记忆（LSTM）神经网络作为一种RNN 网络结构[3]，能够准确识别文本数据的长短模式，精准识别真实随机的英语文本包含的情感信息。

1 语义情感分析框架设计

单词之间的拓扑关系对文本情感分析至关重要，基于递归神经网络（RNN）的语言模型较为适合处理文本序列数据。RNN 由3 个模块组成，分别是输入层、隐藏层与输出层[4]。在RNN 模型中，时间输入层与时间隐藏层汇总为一个新的输入层，同时也作为时间t处的隐藏层。RNN 的循环结构可使隐藏层保留先前单词中的所有信息，以提高识别单词之间顺序关系的能力[5]。

RNN 模型通过时间优化算法（BPTT）进行的反向传播中存在过多展开状态层，这会导致训练时历史信息梯度衰减[6]。……