结合新闻和评论文本的读者情绪分类方法

严倩,王礼敏,李寿山^*,周国栋

苏州大学自然语言处理实验室, 江苏 苏州 215006

收稿日期:2017-07-04出版日期:2018-09-20发布日期:2018-09-10

作者简介:严倩(1993— ),女,硕士研究生,研究方向为自然语言处理. E-mail:qyan@stu.suda.edu.cn*通信作者简介:李寿山(1980— ),男,博士,教授,研究方向为自然语言处理. E-mail:lishoushan@suda.edu.cn
基金资助:国家自然科学基金资助项目(61331011,61672366,61375073)

Reader emotion classification with news and comments

Natural Language Processing Laboratory, Soochow University, Suzhou 215006, Jiangsu, China

Received:2017-07-04Online:2018-09-20Published:2018-09-10

摘要/Abstract

摘要： 新闻和评论文本是进行读者情绪分类的重要资源,但仅仅使用新闻和文本或者把2类文本进行混合作为一组总体特征,不能充分利用不同文本特征间的区别和联系。基于此,提出了一种双通道LSTM(long short-term memory)方法,该方法把2类文本作为2组特征,分别用单通道LSTM神经网络学习这2组特征文本得到文本的LSTM表示,然后通过联合学习的方法学习这2组特征间的关系。实验结果表明,该方法能有效提高读者情绪的分类性能。


PDF全文下载地址:

http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=2836