基于比较学习的情感分析方法研究  

Sentiment Analysis Based on Comparing to Learn

作　　者：林原 李家平 杨亮 赵昕航 覃雪[3] 许侃 林鸿飞 LIN Yuan;LI Jiaping;YANG Liang;ZHAO Xinhang;QIN Xue;XU Kan;LIN Hongfei(Faculty of Humanities and Social Science,Dalian University ofTechnology,Dalian,Liaoning 116024,China;Faculty of Electronic Information and Electrical Engineering,Dalian Universityof Technology,Dalian,Liaoning 116024,China;Library,Dalian University of Technology,Dalian,Liaoning 116024,China)

机构地区：[1]大连理工大学人文与社会科学学部,辽宁大连116024 [2]大连理工大学电子信息与电气工程学部,辽宁大连116024 [3]大连理工大学图书馆,辽宁大连116024

出　　处：《中文信息学报》2023年第2期129-137,共9页Journal of Chinese Information Processing

基　　金：国家自然科学基金(61976036,61772103);中央高校基本科研业务费项目(DUT22RW110)。

摘　　要：情感分析是指通过提取文本特征对基于文本的情感倾向进行分类,是自然语言处理领域中的一项重要任务。为了提高文本情感分析的性能,该文将分类任务定义为一个比较问题,并提出了基于比较学习(Comparing to Learn,C2L)的分类模型。C2L的目标是通过与已标注的样本进行比较来对句子进行评分,实际上,通过比较方法进行分类比训练一个过于复杂的模型更加有效。在两个常用数据集上的实验结果表明,C2L的性能优于现有的许多模型;通过调整C2L的内部结构,可以在不同的任务和数据集上取得好的表现。Sentiment analysis refers to the classification of sentiment tendencies in a text.This paper defines the classification task as a comparison problem,and proposes a classification model based on comparative learning(Comparing to Learn,C2L).The goal of C2L is to score sentences by comparing with labeled samples.In fact,classification by comparison is more effective than training an overly complex model.The experimental results of two commonly used datasets show that the performance of C2L is better than many existing models.

关 键 词：情感分析 深度学习 比较学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]