情感分类研究进展

被引：92

作者：

陈龙

管子玉

何金红

彭进业

机构：

[1] 西北大学信息科学与技术学院

来源：

计算机研究与发展 | 2017年 / 54卷 / 06期

关键词：

情感分析; 情感分类; 深度学习; 弱监督; 主题提取;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; TP391.1 [文字信息处理];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081203 ;

摘要：

文本情感分析是多媒体智能理解的重要问题之一.情感分类是情感分析领域的核心问题,旨在解决评论情感极性的自动判断问题.由于互联网评论数据规模与日俱增,传统基于词典的方法和基于机器学习的方法已经不能很好地处理海量评论的情感分类问题.随着近年来深度学习技术的快速发展,其在大规模文本数据的智能理解上表现出了独特的优势,越来越多的研究人员青睐于使用深度学习技术来解决文本分类问题.主要分为2个部分:1)归纳总结传统情感分类技术,包括基于字典的方法、基于机器学习的方法、两者混合方法、基于弱标注信息的方法以及基于深度学习的方法;2)针对前人情感分类方法的不足,详细介绍所提出的面向情感分类问题的弱监督深度学习框架.此外,还介绍了评论主题提取相关的经典工作.最后,总结了情感分类问题的难点和挑战,并对未来的研究工作进行了展望.

引用

页码：1150 / 1170

页数：21

共 21 条

[1] 深度学习的昨天、今天和明天 [J].

余凯 ;

贾磊 ;

陈雨强 ;

徐伟 .

计算机研究与发展, 2013, 50 (09) :1799-1804

[2] 面向跨领域情感分类的统一框架 [J].

吴琼 ;

刘悦 ;

沈华伟 ;

张瑾 ;

许洪波 ;

程学旗 .

计算机研究与发展, 2013, 50 (08) :1683-1689

[3] 基于依存句法的博文情感倾向分析研究 [J].

冯时 ;

付永陈 ;

阳锋 ;

王大玲 ;

张一飞 .

计算机研究与发展, 2012, 49 (11) :2395-2406

[4]

Deep learning for sentiment analysis: successful approaches and future challenges[J] . Duyu Tang,Bing Qin,Ting Liu.WIREs Data Mining Knowl Discov . 2015 (6)

[5]

Sentiment analysis algorithms and applications: A survey[J] . Walaa Medhat,Ahmed Hassan,Hoda Korashy.Ain Shams Engineering Journal . 2014

[6] Techniques and Applications for Sentiment Analysis [J].