文献类型：期刊文章

作　　者：张璐[1] 殷昊[1] 李寿山[1]

ZHANG Lu;YIN Hao;LI Shoushan(Natural Language Processing Lab, Soochow University, Suzhou 215006, China)

机构地区：[1]苏州大学自然语言处理实验室

出　　处：《郑州大学学报（理学版）》

基　　金：国家自然科学基金项目(61331011,61375073)

年　　份：2019

卷　　号：51

期　　号：3

起止页码：73-78

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA-PROQEUST、IC、JST、MR、RCCSE、RSC、ZGKJHX、ZMATH、核心刊

摘　　要：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(longshort-termmemory,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.

关 键 词：情绪分类  双语信息  融合特征  

分 类 号：TP391]