APP下载

基于神经网络的多标签情绪分类研究

2021-05-12吴妍秀

现代计算机 2021年7期
关键词:分类情绪方法

吴妍秀

(四川大学计算机学院,成都610065)

0 引言

随着全球网络社交媒体的快速发展,越来越多用户在推特、微博等社交平台上发布内容,分享自己的个人观点、态度及情绪,挖掘海量文本中的此类信息变得尤为重要,使情绪分类成为热门研究方向。情绪分类具有很高的应用价值,它可以为舆情分析[1],个性化推荐,股票预测[2]等任务提供支持。

情绪具有多种分类方式:Ekman 等人[3]将基础情绪划分为joy、sadness、anger、fear、disgust、surprise 六类,在SemEval-2007 竞赛task 14: Affective Text[4]任务中,1250 条新闻标题被以这六种情绪进行标注;Plutchik[5]提出了八种基础情绪的分类,分别为acceptance、anger、anticipation、disgust、joy、fear、sadness、surprise。如表1所示,一段文本中可能包含多种情绪,且情绪之间具有关联,识别句子中同时存在的多种情绪仍是一项具有挑战性的任务。

多标签分类任务的定义为:假设X=Rd为d 维的样本空间,Y={y1,y2,…,yq}为存在q 个标签的标签空间,多标签分类任务从训练集中学习函数映射h:X→2Y。

表1 SemEval2018 task 1[6]数据集中的推特及对应情绪

1 研究现状

1.1 多标签分类任务

多标签分类任务主要采用问题转化或算法适应的方法,问题转化方法将多标签分类问题转化为其他较为熟悉的分类问题,算法适应方法采用现有的机器学习技术加以改进来处理多标签数据。

二元关系法(BR)[7]将多标签分类问题分解为q 个独立的二分类问题,每个二分类任务对应标签空间中一个可能的标签;多标签K 近邻(MLKNN)[8]采用K 近邻算法作为基础处理多标签数据,通过邻居节点的标签信息利用最大后验进行预测。上述两种方法为一阶方法,单独预测每个标签,忽略了标签的共现性,未考虑标签之间的关联,造成信息丢失。……

登录APP查看全文

猜你喜欢

分类情绪方法
分类算一算
小情绪
小情绪
小情绪
教你一招:数的分类
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼
情绪认同