面向新聞文本的讀者情緒預(yù)測研究.pdf

1、隨著信息技術(shù)的不斷發(fā)展和Web2.0的到來，人們習(xí)慣于通過雅虎、搜狐、新浪等在線新聞網(wǎng)站獲取最新的新聞資訊并發(fā)表自己的觀點和態(tài)度，任何國內(nèi)外新聞事件都有可能引發(fā)網(wǎng)民產(chǎn)生巨大的輿論壓力。通過對用戶針對新聞文本的情緒反饋進行分析，研究大規(guī)模網(wǎng)絡(luò)人群的情緒動態(tài)，在輿情監(jiān)控和信息檢索等領(lǐng)域都有著重要意義。然而，由于新聞文本篇章結(jié)構(gòu)的復(fù)雜性和中文語言表達的多樣性，從新聞文本中準確地獲取影響讀者情緒的文本特征變得十分困難，而當(dāng)前手工設(shè)計的特征提取方

2、法需要很強的先驗知識才能設(shè)計出區(qū)分力度大的特征，存在著普適性較弱的缺陷。其次，現(xiàn)有的文本讀者情緒預(yù)測方法大多將任務(wù)轉(zhuǎn)換成單標簽或多標簽文本分類，方法比較單一，且難以體現(xiàn)出人類多種相互關(guān)聯(lián)的情緒之間的復(fù)雜性。為此，本文針對新聞文本的特點和影響讀者情緒預(yù)測效果的主要因素進行深入研究，提出一種預(yù)測讀者情緒分布的方法CNN-GRNN-AT（Attention-based CNN-GRNN）。具體的工作如下：
　?。?）利用word2vec

3、構(gòu)建文本初始特征。首先，在大規(guī)模語料庫上使用word2vec把詞語映射成d維的分布式詞向量表示，構(gòu)建詞向量詞表。然后，將新聞文本中每個詞語都替換成其對應(yīng)的詞向量，并對未登錄詞進行處理。這種方式得到的文本初始特征能攜帶詞語本身的語義信息，從而達到表達文本初始語義的目的。
　　（2）根據(jù)文本語義的組成規(guī)則，構(gòu)建一種層次結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型CNN-GRNN。以文本初始特征作為網(wǎng)絡(luò)的輸入，利用卷積神經(jīng)網(wǎng)絡(luò)提取句子級的特征表示，然后使用門限重

4、復(fù)單元型循環(huán)神經(jīng)網(wǎng)絡(luò)對語句間的邏輯結(jié)構(gòu)進行整合，得到文本級的特征表示，最后通過softmax預(yù)測讀者情緒分布。此方法能同時考慮到句內(nèi)局部語義信息和句間的語言邏輯依賴，能夠自動從大量數(shù)據(jù)中學(xué)習(xí)文本深層次的語義信息。
　?。?）引入了注意力的思想。為進一步提取影響讀者情緒的關(guān)鍵文本特征，將注意力機制應(yīng)用于CNN-GRNN網(wǎng)絡(luò)模型中，通過對文本中語句的重要性進行區(qū)分，利用注意力權(quán)重來得到更加準確的文本表示，從而有效提升情緒預(yù)測的準確度，