基于deep belief nets的维吾尔语句子级情感分析

作者：衣马木艾山·阿布都力克木; 李敏; 李自臣; 陈梅; 田生伟; 禹龙

来源：计算机应用研究, 2018, 35(07): 2066-2070.

• 维吾尔语
• 情感分类
• 深度学习
• 深度信念网络
• 词语嵌入

针对维吾尔语句子情感信息,即喜、怒、哀、乐和客观五分类任务,提出了一种利用深度信念网络(deep belief nets,DBN)模型的深度学习机制进行基于深层语义特征的句子级情感分析方法。该方法通过对维吾尔语情感句及语言特点的深入研究,提取出利于情感分析任务的八项情感特征。为了提高特征对文本语义的表达,将富含词汇深层语义和上下文信息的word embedding特征与情感特征进行融合,作为深度信念网络的输入。利用多层无监督的波尔兹曼机(RBM)训练并提取隐含的深层语义特征,通过有监督的后向传播算法对网络进行微调,进而完成情感分类任务。该方法在维吾尔语句子级情感分类任务中的准确率为83.35%,召回率为84.42%,F值为83.88%。实验结果证明,深度学习模型较浅层的学习模型更合适于文本的情感分类任务,对word embedding特征项的引入,有效地提高了情感分类模型的性能。

• 单位
  乌鲁木齐职业大学; 新疆大学; 新疆财经大学