面向社交媒体的情感表情符与话题标签预测研究

发布时间：2021-06-16 19:28

　　表情符和标签都是各大社交媒体平台上独具特色的网络表达形式,已经被社交媒体用户广泛接受并大量运用。利用到表情符和标签的自然语言处理任务也逐渐热门起来。面向社交媒体平台的表情符预测和标签生成任务作为语言研究相关的新热点,正渐渐吸引更多研究人员对其展开研究工作。表情符预测和标签生成任务指的是根据帖子中提取到的信息对该帖子中可能出现的表情符以及可能使用到的标签进行预测和生成的任务。当前表情符预测和标签生成的研究通常集中在将辅助信息添加到神经网络模型中的方法,并且把表情符预测和标签生成视为两个独立进行的任务,忽略了表情符预测和标签生成任务之间的相关性。本文考虑到表情符预测和标签生成之间存在的耦合关系,两个任务可以采用相同的输入数据。并且表情符和标签在帖子中的运用具有一定的作用重叠。这些都满足联合预测模型的联合要求。因此,本文提出了面向社交媒体平台的表情符预测和标签生成的双任务联合预测模型（Joint Prediction Model,JPM）,并对该模型的权重参数选取进行了探讨。该模型可以将帖子信息处理并生成文本信息表示,同时完成表情符预测和标签生成。为了证明JPM模型的有效性,我们构建了一个包... 

【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

传统LSTM模型结构

传统BiLSTM模型结构

图2.3分级多种注意力单任务预测结构图


本文编号：3233650