基于注意力机制和多任务对抗学习的文本立场分析

发布时间：2021-06-20 21:13

　　随着社交媒体平台的快速发展,网络用户得以随时浏览新闻报道,并发表和交流自己的观点与情感。因此,文本情感分析吸引了世界范围内的研究关注。但文本情感分析通常只对文本做出正负面极性分析,缺乏对文本针对特定主题的立场倾向分析能力,而且这恰恰是大量实际应用中用户真正关注的内容。因此,社交媒体文本立场分析研究具有巨大的科学价值与商业价值。文本立场分析目的是分析并判断文本包含的针对特定话题所持有的立场,即支持、反对以及中立。现有的研究主要包括基于机器学习的方法和基于深度学习的方法。基于机器学习的方法通常依赖于人工特征构造和筛选,但构造特征的过程往往消耗大量的人力;基于深度学习的方法通过端到端的构造过程避免了繁琐的特征工程,但往往缺乏对文本交互过程的深层建模能力。此外,受到数据集规模偏小的影响,单一模型的学习能力往往存在一定的限制。为此,本文研究结合注意力机制和多任务对抗学习的文本立场分析方法。为学习交互文本中立场相关的深层语义表示,本文首先研究基于双向长短时记忆网络的文本立场分析方法。在此基础上,进一步引入了注意力机制和匹配（Match）机制以解决文本之间长度差距过大的问题,并突出关键匹配对立场分析... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

模型整体架构

【参考文献】：
期刊论文
[1]基于对抗学习的讽刺识别研究[J]. 张庆林,杜嘉晨,徐睿峰.  北京大学学报(自然科学版). 2019(01)
[2]面向事件抽取的深度与主动联合学习方法[J]. 邱盈盈,洪宇,周文瑄,姚建民,朱巧明.  中文信息学报. 2018(06)
[3]基于语义的中文事件触发词抽取联合模型[J]. 李培峰,周国栋,朱巧明.  软件学报. 2016(02)



本文编号：3239942