融合位置与文本特征的情感分类
社会与信息网络
2019-07-30 v1 计算与语言
信息检索
摘要
带有地理标签的 Twitter 数据近来被用于推断社交媒体中人类层面的见解。近期研究已从地理标签 Twitter 数据中挖掘出与人口统计、文化活动的空间分布、人类时空出行轨迹以及幸福感相关的见解。迄今为止，关于一条推文的地理定位特征对其情感的影响的研究尚不多见。这一观察启发我们提出使用地理定位特征作为执行情感分类的方法。在该方法中，地理标签推文的情感分类通过将地理定位特征和独热编码词向量拼接作为卷积神经网络（CNN）和长短期记忆（LSTM）网络的输入来完成。以地理定位特征形式加入与语言无关的特征，有助于丰富推文表示，以应对短推文消息的稀疏性。所得结果表明，与仅使用词向量进行情感分类相比，将地理定位特征拼接到独热编码词向量上可获得更高的准确率。
引用
@article{arxiv.1907.12008,
title = {Fusing location and text features for sentiment classification},
author = {Wei Lun Lim and Chiung Ching Ho and Choo-Yee Ting},
journal= {arXiv preprint arXiv:1907.12008},
year = {2019}
}