基于全局特征图的半监督微博文本情感分类

• 作者: 方澄 李贝 韩萍
• 来源期刊: 信号处理
• 关键词: 微博文本 情感分析 图卷积 半监督
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 论文|Papers
• 页码范围: 1066-1074
• 页数: 9页
• 分类号: TP3
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2021.06.018

摘要

网络社交的流行与普及,使得微博等短文本区别于以往传统文章,具有了独有的文学表达形式和情感发泄方式,导致基于短文本的机器学习情感分析工作难度逐渐增大.针对微博短文本的语言表达新特性,爬取收集大量无情感标记微博数据,建立微博短文本语料库,基于全局语料库构建词与短文本的全局关系图,使用BERT(Bidirectional Encoder Representations from Transformers)文档嵌入作为图节点的特征值,采用图卷积进行节点间的特征传递和特征提取.采样部分无情感标记微博数据进行人工标注,采用半监督机器学习方法结合全局关系图提高情感分类器的性能,实验表明通过无情感标记数据比例的增加,该方法可以更好地捕捉全局特征,提高情感分类的精度.在自建人工标记数据、COAE2014数据集和NLP&CC2014数据集上进行了对比实验,实验结果表明该方法在精确率和召回率上均具有很好的表现.