基于双语信息和神经网络模型的情绪分类方法

• 作者: 张璐 李寿山 殷昊
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 情绪分类 双语信息 融合特征
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 73-78
• 页数: 6页
• 分类号: TP391
• 字数: 4549字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2018186

摘要

文本情绪分类是自然语言处理研究中的一项基本任务.目前,已有的文本情绪分类研究大都在单语语料上进行,存在已标注样本不足、分类文本较短、信息量少等问题.为了解决上述问题,提出了一种基于双语信息和神经网络模型的情绪分类方法.首先,利用机器翻译工具对源语料进行翻译得到翻译语料;其次,将对应语言的语料进行合并,得到两组不同语言的语料;最后,将文本分别使用源语言和翻译语言进行特征表示,建立双通道长短期记忆(long short-term memory,LSTM)网络模型融合两组特征,并构建情绪分类器.实验结果表明该方法能够稳定提升文本情绪分类的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张璐	苏州大学自然语言处理实验室	31	111	5.0	10.0
2	李寿山	苏州大学自然语言处理实验室	68	618	13.0	23.0
3	殷昊	苏州大学自然语言处理实验室	3	14	2.0	3.0