基于双语信息和神经网络模型的情绪分类方法

作者：张璐; 殷昊; 李寿山^*

来源：郑州大学学报(理学版）, 2019, 51(03): 73-78.

DOI：10.13705/j.issn.1671-6841.2018186

• 情绪分类
• 双语信息
• 融合特征

文本情绪分类是自然语言处理研究中的一项基本任务.目前,已有的文本情绪分类研究大都在单语语料上进行,存在已标注样本不足、分类文本较短、信息量少等问题.为了解决上述问题,提出了一种基于双语信息和神经网络模型的情绪分类方法.首先,利用机器翻译工具对源语料进行翻译得到翻译语料;其次,将对应语言的语料进行合并,得到两组不同语言的语料;最后,将文本分别使用源语言和翻译语言进行特征表示,建立双通道长短期记忆(long short-term memory,LSTM)网络模型融合两组特征,并构建情绪分类器.实验结果表明该方法能够稳定提升文本情绪分类的性能.

• 单位
  苏州大学