基于PMI的递归自编码器的情感分析方法

• 作者: 孙琦 梁永全
• 来源期刊: 软件导刊
• 关键词: 情感分析 递归自编码器 PMI
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 59-62
• 页数: 4页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.201986

摘要

为改善传统机器学习方法无法考虑文本语义信息的缺陷,利用递归自编码器(RAE)树形结构学习短语向量空间表示.该方法可在常用的数据集上取得良好效果,但是在学习向量表示过程中,往往需要大量标记数据标记每个结点,人工标注工作量较大.因此提出一种半监督方法,利用PMI方法计算终端结点情感极性值,并考虑上下文程度副词和否定词对修饰情感词语的情感倾向与情感强度的影响.实验结果表明,与手动标记的传统RAE模型相比,引入PMI方法标记结点后,准确率提升至88.1％,可一定程度减少人工标注的工作量.