利用自注意力机制的大规模网络文档情感分析

夏辉丽，杨立身，薛 峰

(1.郑州经贸学院 计算机与人工智能学院，河南 郑州 451191；2.河南理工大学 计算机科学与技术学院，河南 焦作 454003)

0 引 言

近年来，社交数据在规模、种类和复杂性方面都在快速增长，因此大量网络文档(统称为“推文”)的分类语义辨识及辨识准确度是利用推文的重要依据[1,2]。

针对推文语义的情感分析，国内外学者进行了大量的研究。文献[3]基于Lexicon方法对已知情感进行编译，在一定程度上降低了对情感词典的依赖程度，但占用了大量计算资源；文献[4]提出了一种在句子、语义层面进行情感分析的混合方法，提高了语义方向极辨识准确度，但对语义情绪的要求较为严格；文献[5]用表情符号分析了影响文本挖掘和情感分析的因素，但需要大量收集先验情感“正面”和“负面”的文本数据；文献[6]提出了一种情感功能分类器，可以提高对未知情感分类的速度，但其分类结果误差较大；文献[7]基于支持向量机将推文分为“正面”和“负面”，但综合性能有待进一步提升。综上所述，现有研究难以对具有大量信息的推文的语义和情感进行快速、准确的分类和辨识。

为了提高推文情感分析的准确度和速度，基于MapReduce平台，提出了利用自注意力双向分层语义模型的大规模网络文档情感分析方法，在对文档预归类的条件下，通过云平台对大量数据的并行处理能力，利用自注意力机制分辨词汇的情感语义，提高对文档情感的分析效率，具有处理海量文档数据的能力，实现更高准确度和更低召回率。……