仇建民

中国电信股份有限公司江苏分公司

0 引言

1 任务分析

1.1 任务背景

新型冠状病毒（COVID-19）感染的肺炎疫情牵动着全国人民的心。习近平总书记指出：要鼓励运用大数据、人工智能、云计算等数字技术，在疫情监测分析、病毒溯源、防控救治、资源调配等方面更好地发挥支撑作用。为助力疫情防控和疫情之后的经济社会恢复工作，北京市经信局主办了一场科技战疫公益挑战赛。为了帮助政府掌握真实的社会舆论情况，科学、高效地做好防控宣传和舆情引导工作，本赛题针对疫情相关话题开展网民情绪识别的任务。

1.2 任务说明

给定微博文本内容，设计算法对微博内容进行情绪识别，判断微博内容是积极的、消极的还是中性的，是文本三分类任务。

2 实验

2.1 数据准备

2.1.1 数据预处理

为保证后续各类算法实验对比的公平，数据统一进行预处理，后续各类算法均使用处理后的标准数据集。本文使用了以下4种数据预处理方法：（1）数据去噪。只保留微博内容、情感倾向两个字段，并删除空值、异常值等无效数据。（2）去除标点符号等特殊字符。因微博存在表情等数据会变成特殊字符，故统一删除字符，只保留中文、英文、数字，并将多余重复的空格合并为一个空格。（3）繁体字转简体字。将全部繁体字转换为简体字。（4）去除微博中无意义的词语。因为微博场景的特殊性，删除“展开全文”“网页链接”“转发微博”等微博特定词汇。

预处理完成后，最终的样本由原始的100 000条文本，缩减为99 373条文本。……