基于对抗式神经网络的多维度情绪回归

• 作者: 周国栋 朱苏阳 李寿山
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 情绪回归 情绪分析 对抗式神经网络 对抗式学习 EMOBANK语料
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2091-2108
• 页数: 18页
• 分类号: TP391
• 字数: 15879字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005838

摘要

情绪分析是细粒度的情感分析任务,其目的是通过训练机器学习模型来判别文本中蕴含了何种情绪,是当前自然语言处理领域中的研究热点.情绪分析可细分为情绪分类与情绪回归两个任务.针对情绪回归任务,提出一种基于对抗式神经网络的多维度情绪回归方法.所提出的对抗式神经网络由3部分组成:特征抽取器、回归器、判别器.该方法旨在训练多个特征抽取器和回归器,以对输入文本的不同情绪维度进行打分.特征抽取器接受文本为输入,从文本中抽取针对不同情绪维度的特征;回归器接受由特征抽取器输出的特征为输入,对文本的不同情绪维度打分;判别器接受由特征抽取器输出的特征为输入,以判别输入的特征是针对何情绪维度.该方法借助判别器对不同的特征抽取器进行对抗式训练,从而获得能够抽取出泛化性更强的针对不同情绪维度的特征抽取器.在EMOBANK多维度情绪回归语料上的实验结果表明,该方法在EMOBANK新闻领域和小说领域的情绪回归上均取得了较为显著的性能提升,并在r值上超过了所有的基准系统,其中包括文本回归领域的先进系统.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周国栋	苏州大学计算机科学与技术学院	138	1425	22.0	32.0
2	李寿山	苏州大学计算机科学与技术学院	68	618	13.0	23.0
3	朱苏阳	苏州大学计算机科学与技术学院	5	6	1.0	2.0