利用 LSTM 对情感分类中的丰富上下文建模
计算与语言
2016-05-06 v1 信息检索
社会与信息网络
摘要
对推文(tweets)和微博(weibo)等社交媒体数据的情感分析已成为一项非常重要且具有挑战性的任务。由于此类数据的内在特性，推文简短、噪声多且话题发散，对这些数据的情感分类需要对各种上下文进行建模，例如推文的转发/回复历史，以及关于作者和关系的社会上下文。尽管先前极少有研究探讨推文中上下文建模的问题，本文提出使用分层 LSTM 对推文中的丰富上下文（尤其是长距离上下文）进行建模。实验结果表明，上下文能够帮助我们显著更好地执行情感分类。
引用
@article{arxiv.1605.01478,
title = {Modeling Rich Contexts for Sentiment Classification with LSTM},
author = {Minlie Huang and Yujie Cao and Chao Dong},
journal= {arXiv preprint arXiv:1605.01478},
year = {2016}
}