面向文本情感分析的主题建模及应用研究
随着通讯和计算机技术的飞速发展，互联网应用不断深入社会的各个方面，文本作为人们直接表达情感和观点的载体，在网络数据中占据较大比重。如何分析和挖掘这些富含情感的文本数据，近年来一直是学术界和产业界共同关注的热点。文本表示在情感挖掘和分析任务中至关重要，其性能会直接影响文本情感分析的效果。主题建模作为一种主流的文本建模和表示方法，在文本情感分析中被广泛使用。它可以利用词语在文本中的关联关系，将具有相关性和相似性的内容抽取为主题，构成主题概念表示空间。然而，在主题建模过程中，一般将文本情感内容与其它内容的地位平等处理，并没有凸显文本中包含的情感语义。此外，经典主题建模没有考虑文本序列、词语上下文等语义关系模式，在文本表示能力方面也具有一定的局限性。针对主题建模优势与不足，本文从文本情感分析任务的实际需求出发，充分利用深度学习与领域知识，扩展主题表示所涵盖的情感语义，增强主题对情感语义的表现形式和能力，拓展了主题表示在情感分析任务中的使用方式，形成了一种主题建模与任务目标相适应的文本情感分析模式。 本文主要研究内容和取得成果如下： (1) 基于特定任务知识主题建模的情感分析。在文本情感分析时，存在垃圾观点表述与正常情感表达难以区分的问题，将直接干扰情感分析的性能。为此，本文提出了增强主题表示的垃圾观点识别方法。该方法结合已有情感词典资源，设计了五种垃圾观点启发式规则知识，并将其引入主题建模过程中，用于增强主题表示。通过对垃圾观点的识别，证明了启发式规则与主题建模结合构造的文本表示，能够将几类文本垃圾观点与有效评论文本内容区分，提高了有效评论和垃圾评论的分类性能，同时，也为文本情感分析提供优良的数据资源。 (2) 集成多文本表示策略的情感分析。数据资源是文本情感分类的基础，当目标语言的标注数据缺乏时，其他语言的标注数据可以提供有力支持，这涉及到多语言情感分析任务。然而，不同语言的表示特征差异较大，如何将特征语义对齐成为该研究的关键问题。为此，本文以跨语言文本主题表示和传统向量空间文本表示为基础，结合两种表示的优势，设计了主题表示和向量空间文本表示的融合策略，将其用于构建跨语言情感倾向判别框架。通过实验，我们验证了情感倾向特征分布具有分散和聚集效应，且跨语言主题表示可以有效平衡情感特征差异、缓解数据稀疏性，而实验结果也达到了预期效果。 (3) 基于主题度量的半监督情感分析。当文本情感分析的标注数据不足时，可以借助大量未标注数据，这就涉及到半监督学习框架，其核心技术为样本内容主题度量。本文构建了两种不同功能的样本内容度量，并将这些度量融入到半监督学习框架中，形成基于主题度量的半监督情感分类方法。我们将这一方法用于跨语言情感分类任务，并设计了对齐翻译主题模型，构造了文本主题表示。实验结果表明，跨语言任务分类性能取得显著提高，同时，也证明了基于主题度量的半监督情感分类方法的有效性。 (4) 融合向量表示主题建模的情感分析。情感语义是人们感受和思维活动的综合体现，其在文本中具有多重形式和角度的表达方式，如词语上下文关联、文本主题等，而且不同表达方式刻画的情感内容的侧重点也存在差异。因此，仅依靠文本主题关系，并不足以全面地反映情感语义的全部内容，还应该在主题表示中融入其它表达方式刻画的情感语义。本文提出了一种文本表示模型的信息融合方法，并利用该方法设计了向量增强主题模型，用于将词向量反映的词语语义信息引入到主题表示中。实验结果表明，引入词向量语义后，主题表示可以有效地聚类文本中具有不同语法、语义功能的词语，并将它们划归到相应主题中，提高了主题表示对情感语义的刻画能力。此外，利用向量增强主题模型，还设计了样本主题相似性度量，实验结果表明，该度量在复杂文本聚类任务中具有较好的性能。 (5) 主题建模在情感分析系统中的功能设计。面向网络服务的分布式系统设计框架，我们将本文提出的主题建模以及情感分析方法设计为组件，按照业务逻辑将各组件添加到系统框架中，实现了一个在线文本情感分析的原型系统。本文详细说明了原型系统的框架设计、功能组织等细节，并以实际产品评论为示例，展示了数据分析结果。
文本情感分析;主题建模;表示学习;词向量语义
山西大学
博士
计算机应用技术
李德玉
2018
中文
TP391.1
2019-01-18（万方平台首次上网日期，不代表论文的发表时间）