基于Django的文本情感分类系统设计与实现*

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

文本情感分类任务是对带有情感属性的主观性文本的信息进行分析和判断[1]。由于传统的文本情感分类任务存在耗时长、准确率较低的问题。袁磊[2]对卡方统计量算法进行改进,从而提高分类准确率。在处理文本分类的任务中,注意力机制可以提取到数据的重要特征。Bahdanau D等人[3]将神经网络和注意力机制相结合,证明了该模型的有效性。韩萍等人[4]提出将多维自注意力机制与情感融合结合构建情感分类模型,建立起文本中词语间的依赖关系,结果表明提高了分类性能。石磊等人[5]将自注意机制和Tree-长短时记忆(long and short-term menory,LSTM)结合构建模型,并在模型中引入了Maxout神经元,从而提升情感分类的准确率。

随着自然语言处理研究的火热进行,文本情感分析作为自然语言处理的一大子任务,研究也越来越深入,但是应用的场景却不多。Django框架是由Python语言编写的一种Web框架,集成了一个轻量的Web服务器。开发人员可以利用Django框架的代码少、速度快的优势进行Web应用的开发和调试[6]。白相辰正是利用了Django框架的优势,设计实现了一种Web在线教育平台[7]。本文利用Django Web框架设计实现了一种文本情感分类系统。

1 相关工作

近年来,越来越多的研究者将深度学习算法应用在文本情感分类任务中。金宸等人[8]将双向的LSTM(bidirectional LSTM,BiLSTM)模型运用到中文情感分类中,构建模型。2017年,Google机器翻译团队在文献[9]中,使用自注意力机制来学习文本表示。……