基于BERT和双向LSTM的微博评论倾向性分析研究

作者：谌志群^*; 鞠婷

来源：情报理论与实践, 2020, 43(08): 173-177.

DOI：10.16353/j.cnki.1000-7490.2020.08.026

• 微博评论
• 深度学习
• BERT
• 双向LSTM
• 倾向性分析

[目的/意义]微博是一种重要的社会媒体,微博评论反映了网民对公共事件的态度和意见,对微博评论进行即时的倾向性分析对于网络舆情管控具有重要意义。[方法/过程]针对传统语言模型在词向量表示中无法解决词语多义性的问题,提出采用BERT模型来提取微博评论文本的语义特征表示,然后将获取的词语语义特征输入到双向LSTM模型中进行倾向性分类。[结果/结论]选取新浪微博评论数据进行了对比实验。实验结果表明,提出的基于BERT和双向LSTM的微博评论倾向性分类模型的F1值达到91.45%,优于其他主流的倾向性分析模型,证明了方法的有效性。[局限]双向LSTM模型训练的计算复杂度较高,BERT模型只能依赖于谷歌发布的预训练模型。

• 单位
  杭州电子科技大学