基于双向分层语义模型的多源新闻评论情绪预测

摘要：

随着在线新闻服务的迅猛发展,用户在阅读新闻后可以非常方便地表达自己的主观情绪,有效分析和预测用户的情绪有助于新闻服务提供商为新闻用户提供更好的服务.情绪标注研究已经取得了很多优秀的成果,但仍然存在着一些问题:1)传统的方法将整个文档看作单词流或词袋,不能对句子间的逻辑关系进行建模,在文档中的句子间包含逻辑关系时,这些方法无法适当地表达文档的语义;2)这些方法只用了文档本身的语义,忽略了与该文档相关的其他信息源中信息,而这些信息源对该文档的语义表达也有一定的影响.为了解决这些问题,提出了一种基于多信息源的在线新闻评论双向分层语义表示模型,称为双向分层语义神经网络(bi-directional hierarchical semantic neural network,Bi-HSNN),该模型既捕获句子中词语所表达的情感,又自底向上地学习文档中句子间的逻辑关系,并利用评论、新闻和用户投票等多种信息源对在线新闻评论的情绪进行标注.在真实数据集上的一系列实验,验证了该模型的有效性.

关键词：在线新闻评论、情绪标注、分层语义表示、多信息源、神经网络

所属期刊栏目：55

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目61402243;天津市自然科学基金项目16JCQNJC00500;国家"八六三"高技术研究发展计划基金项目2015AA015401;教育部中国移动科研基金项目MCM20150507This work was supported by the National Natural Science Foundation of China61402243;the Natural Science Foundation of Tianjin16JCQNJC00500;the National High Technology Research and Development Program of China863 Program2015AA015401;the Research Fund of Ministry of Education and Chinese Mobile Communications CorporationMCM20150507

在线出版日期：2018-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：933-944