基于多任务深度学习的文本情感原因分析

• 作者: 余传明 安璐 李浩男
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 情感原因分析 多任务学习 深度学习 文本挖掘
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 第二十四届全国信息检索学术会议专栏
• 页码范围: 50-61
• 页数: 12页
• 分类号: TP391
• 字数: 11316字
• 语种: 中文
• DOI: 10.16088/j.issn.1001-6600.2019.01.006

摘要

多任务学习利用不同任务之间的相似性辅助决策,与单任务学习相比,多任务学习能够利用更多的信息,从而可以弥补单任务学习信息利用不足的缺陷.本文选择NTCIR-ECA数据集中的中文和英文文本数据作为实验数据,以情感原因分析作为研究任务,提出了一种结合多任务学习和深度学习的模型MTDLM(multi-task deep learning model),实现不同语种下的情感原因分析.实验结果表明,在数据不平衡的情况下,MTDLM模型对英文语种的情感原因识别的最优F值为39％,优于单任务学习(F值为0)和传统基线模型(LR的F值为33％),从而验证了模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安璐	武汉大学信息管理学院	74	398	11.0	17.0
2	余传明	中南财经政法大学信息与安全工程学院	33	169	9.0	11.0
3	李浩男	中南财经政法大学统计与数学学院	3	5	1.0	2.0