面向新聞文本的讀者情緒預測研究.pdf

1、隨著信息技術的不斷發(fā)展和Web2.0的到來，人們習慣于通過雅虎、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)絡人群的情緒動態(tài)，在輿情監(jiān)控和信息檢索等領域都有著重要意義。然而，由于新聞文本篇章結構的復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，而當前手工設計的特征提取方

2、法需要很強的先驗知識才能設計出區(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測方法大多將任務轉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)出人類多種相互關聯(lián)的情緒之間的復雜性。為此，本文針對新聞文本的特點和影響讀者情緒預測效果的主要因素進行深入研究，提出一種預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。
　?。?）根據(jù)文本語義的組成規(guī)則，構建一種層次結構的神經(jīng)網(wǎng)絡模型CNN-GRNN。以文本初始特征作為網(wǎng)絡的輸入，利用卷積神經(jīng)網(wǎng)絡提取句子級的特征表示，然后使用門限重

4、復單元型循環(huán)神經(jīng)網(wǎng)絡對語句間的邏輯結構進行整合，得到文本級的特征表示，最后通過softmax預測讀者情緒分布。此方法能同時考慮到句內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)中學習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鍵文本特征，將注意力機制應用于CNN-GRNN網(wǎng)絡模型中，通過對文本中語句的重要性進行區(qū)分，利用注意力權重來得到更加準確的文本表示，從而有效提升情緒預測的準確度，