计算机应用

作者：尹春勇, 章荪

单位：南京信息工程大学 计算机与软件学院, 南京 210044

关键词：对抗学习,情感分类,短文本,变分推断,主题模型

基金：国家自然科学基金资助项目（61772282）。

针对文本情感分析中文本过短而导致的分类准确度低的问题，结合对抗学习和变分推断提出一种端到端的短文本情感分类模型。首先，使用谱规范化技术解决了判别器在训练过程中的震荡问题；然后，添加额外的分类模型来指导推断模型的更新；其次，使用对抗变分贝叶斯（AVB）模型提取短文本的主题特征；最后，使用三次注意力机制来融合主题特征与预训练词向量特征进行分类。通过在一个产品评论和两个微博数据集上的实验结果证明，所提模型较基于自注意力的双向长短期记忆网络（BiLSTM-SA）在分类准确度上分别提高了2.9、2.2和8.4个百分点。由此可见，该模型适用于挖掘社交短文本中的情感和观点信息，对舆情发现、用户反馈、质量监督和其他相关领域具有重要的意义。

来源：2020年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第9期