跨語言情感分析方法研究

跨語言情感分析方法研究近些年來,隨著自然語言處理技術和機器學習技術的發(fā)展,單語文本的情感分析已得到深入的研究和發(fā)展,各種關于詞級、超詞級、句子級、篇章級的情感分析研究已逐漸趨于成熟。然而,作為情感分析領域的特殊研究任務之一,跨語言情感分析的效果仍未達到人們的預期。其主要原因是不同語言的特征空間之間的不相交性使得關聯(lián)跨語言間的情感表達存在障礙,進而導致了在跨語言間有效共享跨語言間情感知識面臨極大的挑戰(zhàn)。為了解決跨語言間情感知識的有效共享問題,因而設計可靠的情感知識共享通道和策略以及構建有效的跨語言間情感表達關聯(lián)成為了當前跨語言情感分析研究的核心問題。目前跨語言情感分析研究得到了極大的關注也取得了重要的研究進展,但是仍存在一些未完全解決的問題。因此,針對目前跨語言情感分析研究所存在的問題,本文首先從跨語言情感分析研究的一般性策略出發(fā)有針對性地研究了在跨語言間情感知識的的遷移和適應性問題;然后由跨語言情感分析研究的核心問題出發(fā),研究了一般跨語言情感分析任務的核心問題--跨-語言間情感表達關聯(lián)研究,最后針對具體的跨語言情感分類任務的核心問題--跨-語言間情感極性表達的固有差異展開深入地研究。具體研究內容如下:1協(xié).同學習框架中對源語言未標注數(shù)據的利用以及情感表征性研究基于協(xié)同學習,本文提出一種基于交叉采樣與結構情感信息的跨語言情感分析交互學習模型。首先,通過啟發(fā)式識別方法抽取文本中的情感表達作為結構情感特征,將其融合到傳統(tǒng)的 特征空間中形成情感表征性更強的特征空間其次,在傳統(tǒng)協(xié)同學習的框架基礎上,我們提出一種交叉采樣策略對兩種語言視圖中的非標注數(shù)據的情感知識交互遷移,從而實現(xiàn)將源語言與目標語言進行高效融合學習;最終獲得具有更高性能的目標語言情感分類器。實驗結果表明:相較于傳統(tǒng)跨語言情感分析模型,基于交叉采樣和結構情感融合的半監(jiān)督學習框架可以高效地利用少量源語言標注數(shù)據挖掘出大量的未標注數(shù)據中的情感知識,從而幫助目標語言學習出更優(yōu)質的情感分類器。2跨.語言間情感知識的可靠遷移研究跨語言情感分析的主要任務是通過利用源語言情感知識來識別目標語言情感極性。然而,絕大部分的現(xiàn)有方法是基于遷移學習的,由于知識遷移過程可能存在的遷移錯誤使得它們并未取得理想的效果。本文針對該問題提出在遷移學習模型的遷移過程中引入知識驗證模型,從而通過識別出高質量的可靠的知識來減少由錯誤知識給系統(tǒng)帶來的性能影響。實驗結果說明本文提出在遷移學習過程中引入知識驗證模型的必要性和有效性。3.跨語言間情感表達關聯(lián)的研究構建跨語言間的情感表達聯(lián)系是跨語言情感分析方法的基礎?，F(xiàn)有的絕大部分工作主要集中在一般語義關系的構建上,由于情感語義是一般語義的一個部分,因此,非情感語義可能會對情感知識的學習造成干擾。本文將平行文本共享的極性表達之間的差異看成一種情感關系,提出了利用一個雙視圖的聯(lián)合卷積神經網絡來捕獲跨語言文檔之間的情感關系,通過對跨語言情感聯(lián)系的識別對平行文本的情感極性進行分類。受實體關系學習的啟發(fā),我們首先學習了單語的情感表達,然后將單語情感表達分別映射到一個雙語的情感關系空間中,利用向量的加權減法來捕獲跨語言情感關系。在公開數(shù)據集上的測試結果說明了該方法的有效性。4跨.語言間情感極性表達固有差異的學習方法研究由于不同語言表達情感的方式不同,因此發(fā)現(xiàn)跨語言間情感極性表達的固有差異是解決跨語言情感關系的一條重要途徑。本文將跨語言間情感極性表達的固有差異看成連接跨語言平行文本的情感極性表達的重要關聯(lián)。通過研究跨語言間情感極性表達的固有關聯(lián)來分析跨語言平