软件学报

作者：相艳，余正涛，郭军军，黄于欣，线岩团

单位：相艳，昆明理工大学 信息工程与自动化学院, 云南 昆明 650504;云南省人工智能重点实验室 (昆明理工大学), 云南 昆明 65050411,余正涛，昆明理工大学 信息工程与自动化学院, 云南 昆明 650504;云南省人工智能重点实验室 (昆明理工大学), 云南 昆明 65050402,郭军军，昆明理工大学 信息工程与自动化学院, 云南 昆明 650504;云南省人工智能重点实验室 (昆明理工大学), 云南 昆明 65050403,黄于欣，昆明理工大学 信息工程与自动化学院, 云南 昆明 650504;云南省人工智能重点实验室 (昆明理工大学), 云南 昆明 65050404,线岩团，昆明理工大学 信息工程与自动化学院, 云南 昆明 650504;云南省人工智能重点实验室 (昆明理工大学), 云南 昆明 65050405

关键词：评价对象识别;变分编码;主题模型;弱监督学习;涉案舆情

基金：国家重点研发计划(2018YFC0830105, 2018YFC0830101, 2018YFC0830100); 云南省重大科技专项计划(202002AD080001); 云南省基础研究专项面上项目(202001AT070047, 202001AT070046)

微博评价对象识别是涉案网络舆情分析的基础. 目前基于主题表征的评价对象识别方法需要预设固定的主题数目, 且最终评价对象识别依赖人工推断. 针对此问题, 提出一种弱监督涉案微博评价对象识别方法, 仅采用少量标签评论即可实现对评价对象的自动识别. 具体实现思路为: 首先基于变分双主题表征网络对评论进行两次编码和重构, 获得丰富的主题特征; 然后, 利用少量标签评论, 引导主题表征网络自动判别评价对象类别; 最后采用联合训练策略, 对双主题表征的重构损失与评价对象分类损失进行联合调优, 最终实现对评价对象的自动分类和评价对象词项的挖掘. 在涉案舆情的两个数据集上进行了实验, 结果表明, 所提出的模型在评价对象分类、评价对象词项的主题连贯性和多样性等方面均优于几个基线模型.

来源：2023年第4期

《软件学报》期刊编辑部

查看软件学报杂志2023年第4期