基于多视角多标签学习的读者情绪分类

摘要：

传统的读者情绪分类主要从情感分析的角度出发,着重考量读者评论中体现出来的情感极性.然而现实中,读者评论的缺失有可能影响情绪分类的有效性和及时性.如何融合包括新闻文本和评论在内的多视角信息,对读者情绪进行更加准确的研判,成为了一个具有挑战性的问题.针对这一问题,构建了一种融合多视角信息的多标签隐语义映射模型(Multi-view Multi-label Latent Indexing,MV-MLSI),将不同视角下的文本特征映射到低维语义空间,同时建立特征和标签之间的映射函数,通过最小化重构误差对模型进行求解,并设计了相关算法,从而实现对读者情绪的有效预测.相比于传统模型,该模型不仅可以充分利用多视角的信息,而且考虑了标签之间的相关性.在新闻文本数据集上的实验表明,该方法可以获得更高的准确率和稳定性.

关键词：情绪分类、情感分析、多标签学习、多视角学习、LSI

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61202269,61472089

在线出版日期：2018-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：191-197