18、结合领域知识与深度学习进行情感分析

结合领域知识与深度学习进行情感分析

1. 引言

意见在个人和组织的决策中起着重要的参考作用。在互联网出现之前，人们主要通过朋友、家人或企业的消费者意见调查来获取意见。随着信息和通信技术的爆炸式发展，大量信息涌现，但其中一些信息虽“量大”却缺乏实用价值，这给个人和企业在咨询、搜索、综合信息以及评估和跟踪客户对产品和服务的评论方面带来了困难。因此，意见挖掘/情感分析应运而生，并迅速发展，受到研究界的广泛关注。

情感分析的研究在不同层面展开，包括术语层面、短语层面、句子层面和文档层面。相关的研究方法主要有以下两种：
- 词典方法 ：在情感分析中大量使用情感术语，包括积极和消极术语，还有意见短语或习语，可归类为意见词典。胡和金提出的基于词典的方法展示了利用词典识别情感术语的策略。
- 基于语料库的方法 ：该方法基于句法和模式分析，在大型数据集中寻找情感词汇。

近年来，随着树库（TreeBank）的引入，特别是斯坦福情感树库（Stanford Sentiment Treebank），使用深度学习进行情感分析成为该领域的新兴趋势。递归神经张量网络（RNTN）应用于树库并取得了高性能。此外，卷积方法不断发展用于句子的情感分析，循环神经网络系统如长短期记忆网络（LSTM）与卷积结合用于短文本的情感分析。最近，还提出了一种结合深度学习架构的情感分析方法。

然而，当深度学习应用于不同情感领域的真实数据集时，会出现一些问题：
- 每个领域都有不同的情感术语集，且每个术语具有不同的情感得分，但目前深度学习方法对此考虑不足。
- 深度学习使用损失函数评估学习过程的误差，但