基于双义表情符号嵌入与注意力LSTM的推特情感分析
计算与语言
2018-08-08 v2 多媒体
摘要
大规模社交媒体数据的情感分析对于弥合社交媒体内容与现实世界活动（包括政治选举预测、个体与公众情绪状态监测与分析等）之间的差距具有重要意义。尽管基于Twitter和Instagram等平台的文本情感分析已得到充分研究，但对广泛使用的表情符号在情感分析中所起作用的分析仍然不足。本文提出一种针对Twitter情感分析的新方案，额外关注表情符号。我们首先分别在正向和负向情感推文下学习双义表情符号嵌入，然后通过基于注意力的长短期记忆网络（LSTM）对这些双义表情符号嵌入进行注意力加权来训练情感分类器。我们的实验表明，双义嵌入能有效提取表情符号的情感感知嵌入，并优于最先进的模型。我们还对注意力进行可视化，表明双义表情符号嵌入为注意力机制提供了更好的引导，从而获得对语义和情感的更鲁棒理解。
引用
@article{arxiv.1807.07961,
title = {Twitter Sentiment Analysis via Bi-sense Emoji Embedding and Attention-based LSTM},
author = {Yuxiao Chen and Jianbo Yuan and Quanzeng You and Jiebo Luo},
journal= {arXiv preprint arXiv:1807.07961},
year = {2018}
}