[发明专利]一种社交网络中基于情感偏移感知的交互式微博文本情感挖掘方法

说明书

本发明公开了一种社交网络中基于情感偏移感知的交互式微博文本情感挖掘方法，其步骤为：首先基于单条微博语义及其交互历史的文本内容，对微博文本进行情感极性标注；其次采用自然语言处理领域中的预训练语言模型BERT，提取语句级的微博情感语义特征；接着利用长短期记忆网络LSTM，在交互式的社交网络语境下，提取语境级的情感语义特征；然后引入多任务学习的学习范式，建立情感偏移感知辅助任务，利用该情感偏移特征设计情感关联关系增强的Attention机制，从交互历史中提取出与当前微博相关的情感影响因素，再与情感语义特征融合并进行情感极性分类，构建微博文本情感识别模型。该方法大幅提高了交互式微博文本情感挖掘的准确率与模型的泛化能力。

技术领域

本发明涉及到一种社交网络中基于情感偏移感知的交互式微博文本情感挖掘方法。

背景技术

近年来，随着信息技术的飞速发展和互联网应用的普及，越来越多的人习惯通过网络平台发布个人观点并分享自己的生活，新浪微博作为拥有数亿网络用户的成熟社交网络平台，已成为中国网民日常生活中发表看法、参与讨论的重要途径，在我国网络舆情发展的进程中有着举足轻重的作用，具有巨大的社会价值。对微博文本的情感分析，主要是对带有感情色彩的主观性文本进行分析、处理、归纳然后进行推理的过程，由此可以获取网民对某个事件或事物的看法，从而感知整体舆情，因此，在社交网络中挖掘微博文本情感具有重要的现实意义。

当前关于微博文本情感的识别技术主要针对单条微博文本，或是忽略了社交网络中交互式语境下的情感动态变化过程。而在现实中由于受到开放自由的社交网络影响，微博用户所表达出的情感不仅仅由单条微博文本体现，更是经历了一个动态变化过程后所产生的结果，即舆论会随着网民的互动而逐步变化，因此，感知微博用户在参与讨论时自始至终的情感偏移过程，有助于提高交互式场景下微博文本情感识别的准确率。

发明内容

本发明所要解决的技术问题是：提供一种可以识别与分析微博文本情感的一种社交网络中基于情感偏移感知的交互式微博文本情感挖掘方法。

为解决上述技术问题，本发明采用的技术方案为：一种社交网络中基于情感偏移感知的交互式微博文本情感挖掘方法，利用社交网络中交互式场景下，微博用户的情感偏移特征可以为微博之间的情感影响关系提供显式且精确的线索，借此提取语境中情感影响因素，从而提升微博文本情感识别的表现，所述方法包括如下步骤：

步骤1)根据社交网络中每条微博文本以及其交互历史的上下文语义信息，标注微博文本的情感极性，并划分训练集、验证集与测试集；

步骤2)采用自然语言处理领域中的预训练语言模型BERT，提取语句级的微博情感语义特征；

步骤3)针对交互式的社交网络语境进行分析，基于长短期记忆网络LSTM，提取语境级的微博情感语义特征；

步骤4)将步骤2)、步骤3)得到的特征拼接为特征向量，以表示微博的基本情感语义特征；

步骤5)针对情感偏移进行分析，用户在时间维度上相邻文本之间所体现出的情感偏移感知方法，可抽象为句子对分类建模问题，将步骤4)所得的微博基本情感语义特征输入多层感知机，映射至情感偏移标签空间，进行参数学习，同时得到用户情感偏移特征；

步骤6)中在交互语境中进一步挖掘情感影响因素。由于步骤5)中的情感偏移特征可以看作是情感偏移感知任务结果的估计值。此时情感偏移程度可以看作一个已知量，那么在已知各语句与上句相比是否会发生情感变化的基础上再从语境中进一步提取信息，能够更有针对性地挖掘出交互式语境中相关情感影响因素。由此可将步骤5)所得的情感偏移特征与步骤4)所得的基本情感语义特征进行融合，设计情感关联关系增强的语境级Attention机制，进一步从交互历史中提取出与单条微博相关的情感影响因素；