李海明, 陈 萍

(上海电力大学 计算机科学与技术学院, 上海 200090)

随着电力改革的深入进行,电力企业愈发重视供电服务和客户服务的质量。运用情感分析对电力短文本进行文本挖掘,对提升客服服务质量和客户满意度都有帮助。但迄今为止,由于没有电网相关的语料库,人工标注也存在数据不准确、耗时且昂贵等缺点,使得利用传统统计学习方法进行情感分析的效果较差。本文采用迁移学习方法,以具有丰富标注信息的酒店评论作为源域,电力文本数据集作为目标域,提出了一种新的基于电力短文本的跨域迁移学习的情感分析方法。

1 研究综述

文本情感分类通过挖掘和分析文本中的立场、观点、看法、情绪、好恶等主观信息,对文本的情感倾向做出类别判断[1]。从用户参与的评论信息中获得人们对某一事物、事件、产品等的喜好、态度,可以为政府制定政策法规与监督社会舆论,企业改进产品质量与服务态度等提供必要的决策依据。

情感分类研究中,有学者重在构建情感词典。但基于词典的分析方法需要研究者有很强的语法敏感性,且现实生活中同一词语可能会被赋予完全不同的涵义,使得传统的分析方法如朴素贝叶斯、支持向量机无法应对。深度学习则可以将神经网络运用于多层网络的学习任务中来处理庞大复杂的数据。在情感分析任务中,其性能不弱于机器学习方法,却可以大大节省人工标注的工作量。如RANI S等人[2]应用卷积神经网络(Convolutional Neural Networks,CNN)来执行印地语电影评论的情感分析。……