基于多任务深度学习的文本情感原因分析

作     者：余传明 李浩男 安璐 YU Chuanming;LI Haonan;AN Lu

作者机构：中南财经政法大学信息与安全工程学院湖北武汉430074 中南财经政法大学统计与数学学院湖北武汉430074 武汉大学信息管理学院湖北武汉430072 

出 版 物：《广西师范大学学报（自然科学版）》 (Journal of Guangxi Normal University:Natural Science Edition)

年 卷 期：2019年第37卷第1期

页      面：50-61页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(71373286 71603189) 教育部哲学社会科学研究重大课题攻关项目(17JZD034) 

主　　题：情感原因分析 多任务学习 深度学习 文本挖掘 

摘      要：多任务学习利用不同任务之间的相似性辅助决策,与单任务学习相比,多任务学习能够利用更多的信息,从而可以弥补单任务学习信息利用不足的缺陷。本文选择NTCIR-ECA数据集中的中文和英文文本数据作为实验数据,以情感原因分析作为研究任务,提出了一种结合多任务学习和深度学习的模型MTDLM(multi-task deep learning model),实现不同语种下的情感原因分析。实验结果表明,在数据不平衡的情况下,MTDLM模型对英文语种的情感原因识别的最优F值为39%,优于单任务学习(F值为0)和传统基线模型(LR的F值为33%),从而验证了模型的有效性。