软件学报

作者：朱苏阳,李寿山,周国栋

单位：朱苏阳，苏州大学 计算机科学与技术学院, 江苏 苏州 21500811,李寿山，苏州大学 计算机科学与技术学院, 江苏 苏州 21500802,周国栋，苏州大学 计算机科学与技术学院, 江苏 苏州 21500803

关键词：情绪回归;情绪分析;对抗式神经网络;对抗式学习;EMOBANK语料

基金：国家自然科学基金（61672366，61751206）

情绪分析是细粒度的情感分析任务，其目的是通过训练机器学习模型来判别文本中蕴含了何种情绪，是当前自然语言处理领域中的研究热点.情绪分析可细分为情绪分类与情绪回归两个任务.针对情绪回归任务，提出一种基于对抗式神经网络的多维度情绪回归方法.所提出的对抗式神经网络由3部分组成：特征抽取器、回归器、判别器.该方法旨在训练多个特征抽取器和回归器，以对输入文本的不同情绪维度进行打分.特征抽取器接受文本为输入，从文本中抽取针对不同情绪维度的特征；回归器接受由特征抽取器输出的特征为输入，对文本的不同情绪维度打分；判别器接受由特征抽取器输出的特征为输入，以判别输入的特征是针对何情绪维度.该方法借助判别器对不同的特征抽取器进行对抗式训练，从而获得能够抽取出泛化性更强的针对不同情绪维度的特征抽取器.在EMOBANK多维度情绪回归语料上的实验结果表明，该方法在EMOBANK新闻领域和小说领域的情绪回归上均取得了较为显著的性能提升，并在r值上超过了所有的基准系统，其中包括文本回归领域的先进系统.

来源：2019年第7期

《软件学报》期刊编辑部

查看软件学报杂志2019年第7期