姬思阳，侯开虎

（昆明理工大学机电工程学院，云南昆明 650500）

0 引言

情感分析被定义为寻找持有者对特定实体意见的任务［1］。Liu［2］提出情感分析的意见或评论可以由（o，h，t，ɑ，p）五元组组成，其中o是意见，h是意见持有者，t是意见o由h表达的时间，ɑ是意见o的主题方向，p是意见o关于方面ɑ的极性方向。现代社会中，情感分析（SA）已经成为NLP 中运用较广泛的一个分支，对餐饮［3］、旅店［4］、旅游［5］、购物［6］、社交媒体［7］等方面具有非常大的作用。决策者通过收集用户购买和使用产品之后的评论来改进自己的产品，以此增加整个企业的效益［8］。而在推特、微博等社交媒体中，人们也在表达自己的情感［9］。

本文提出一种句子级情感分析方法，对社交媒体推特上积极和消极两种情感表达进行识别。同时，提出一种新型的基于LSTM 的句子分类器，因为神经网络在句子分类方面有着很强的学习能力，能够得到一个效果较好的分类器。

针对句型分类任务，本文用一个单独的推特数据集训练一个分类器，利用基于规则的手段获得所需句型数据集。Xia 等［10］证实了根据一定规则划分句型是可行且高效的。针对情感分析任务，使用另一个独立情感数据集，避免了使用训练分类器时的数据集而造成数据拟合，影响整个情感分析研究的有效性。

实验中，使用词包（BoW）和词频—逆向文件频率（TFIDF）两种词向量生成方式，体现所提出的句型分类器在不同词向量下均能提高整体的情感分类准确度，证明了该方法的鲁棒性。

综上所述，本文主要研究包括：①创建句型分类数据集，并训练基于长短期记忆学习（LSTM）神经网络的句型分类器；……