情绪关联性在舆情识别中的作用研究

分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2024-05-04

倪盈盈

摘要： 【目的】针对现有的多标签文本情绪分类算法难以建模和利用情绪间语义关联性的问题，提出一种基于自注意力机制的情绪关联性建模的多标签文本情绪分类方法。【方法】本文提出基于自注意力机制的情绪关联性建模的多标签文本情绪分类神经网络（AttEmoNet），通过自注意力情绪关联模块建模情绪标签自身的语义及相似性，并使用基于大规模预训练模型的文本编码器用于编码输入文本为语义向量，最后通过神经网络计算文本语义向量和情绪语义向量的匹配度，从而实现更加精准的情绪类别识别。【结果】通过在NLPCC2014和GoEmotions两个公开数据集上的对比实验验证AttEmoNet的有效性。结果表明，AttEmoNet的文本情绪分类性能相比于基线方法Random、cnsenti、SVM和BERT均有显著提升。相比于现有最优基线方法，AttEmoNet的分类精准度Precision最高提升13.33%，召回率Recall最高提升21.80%，F1得分F1-score提升12.74%。同时AttEmoNet建模的情绪语义关联矩阵有良好的可解释性，证明其具有较好的建模情绪语义的能力。【局限】大语言模型的出现为多标签文本情绪分类打开了全新的思路，未来将结合AttEmoNet与大语言模型各自的优势以实现更加精准、高效的多标签文本情绪分类算法。【结论】本文提出一种基于自注意力机制的情绪关联性建模的多标签文本情绪分类神经网络，提升了文本情绪模型的情绪语义及其关联性建模的能力以及情绪识别的性能，并通过在两个公开数据集上的对比实验验证了研究的有效性。

同行评议状态:待评议

 点击量 294  下载量 68  评论