基于图卷积网络的中文微博细粒度情感分类
计算与语言
2019-12-06 v1
摘要
微博被广泛用于表达人们在日常生活中的观点和感受。情感分析(SA)可通过分析文本及时检测个人情感极性。深度学习方法已广泛应用于情感分析,但仍未充分利用句法信息。本文提出一种基于句法的图卷积网络(GCN)模型,以增强对中文微博多样语法结构的理解。此外,提出一种基于百分位数的池化方法以提高模型准确率。在实验中,针对包含高兴、悲伤、喜爱、愤怒、厌恶、恐惧和惊讶的中文微博情感分类类别,我们模型的 F 值达到 82.32%,超越最优(state-of-the-art)算法 5.90%。实验结果表明,我们的模型能有效利用依存句法分析的信息提升情感检测性能。此外,我们标注了一个用于中文情感分类的新数据集,并向其他研究者开放。
引用
@article{arxiv.1912.02545,
title = {Fine-Grained Emotion Classification of Chinese Microblogs Based on Graph Convolution Networks},
author = {Yuni Lai and Linfeng Zhang and Donghong Han and Rui Zhou and Guoren Wang},
journal= {arXiv preprint arXiv:1912.02545},
year = {2019}
}
备注
20 pages, 6 figures, submitted to the World Wide Web Journal