霍瑞雪 白晓雷

【摘要】    随着互联网信息发布平台日益增多，网民发表情感的方式也逐渐多元化，其中反讽这一特殊修辞手法得到了广泛使用，对其的识别也变得日益迫切。为了更好的识别微博语料中的反讽语句，研究了一种改进后卷积神经网络模型。卷积神经网络是人工智能领域的一个重要组成部分，应用范围极其广泛，也是目前人工智能领域的研究重点。卷积神经网络凭借着特征自主学习的优势在自然语言处理方面有着出色的表现。通过实验，利用特征与词向量双输入的卷积神经网络模型对反讽识别准确率有了明显提升。

【关键词】    卷积神经网络    机器学习    反讽识别

引言：

随着互联网信息发布平台的逐渐增加，网民的发布内容也变得多样化。其中反讽作为一种特殊的表达方式，也占有相当大的比例。反讽通常是以一种正面的文字表达不屑、嘲笑等反面的信息内容，为微博平台自身管理带来了一定的挑战。本文基于卷积神经网络模型对反讽语句的识别展开研究，为微博等互联网信息发布平台开展内容审核提供一种新的思路。

一、技术研究路线概述

本文的主要技术路线如图1所示，首先是对实验数据的收集。该部分主要是对微博的数据进行爬取，过滤，清洗、标注形成初步的实验数据集。

其次对实验数据进行特征提取。特征主要包含两方面，一是通过人工提取的方式，找到反讽语句共通的特征。例如：很好又要加班了，该句中的“很好……又”，就可以作为一种特征。