羅 俊，陳黎飛

（1.福建師范大學數(shù)學與信息學院，福州 350117；2.數(shù)字福建環(huán)境監(jiān)測物聯(lián)網實驗室（福建師范大學），福州 350117）

0 引言

人工智能的第三次浪潮正改變著人們的生活方式，給人們的生活和學習帶來極大便利的同時，也使得互聯(lián)網用戶的信息呈爆發(fā)式增長。其中用戶輿論的情感信息備受企業(yè)、政府重視，比如微博上對熱點事件的評論，互聯(lián)網電影數(shù)據(jù)庫（Internet Movie Database，IMDb）對電影的評價等。對用戶數(shù)據(jù)進行情感分類挖掘對企業(yè)和政府的發(fā)展和運營具有重要的應用價值。

早期的自然語言處理任務中詞的特征表示方法主要有詞袋（Bag-of-Words）模型［1］和獨熱編碼（One-Hot Encoding）技術，其目的旨在將輸入的句子轉化為稀疏向量。顯然，這種特征表示方法沒有考慮單詞之間的相關性，且其高維性會耗費大量的計算機內存資源［2］。為了避免高維性問題，以Word2Vec［3］為代表的分布式向量表示（Distributed Representation）［4］技術得以發(fā)展，通過將輸入的句子表示為詞嵌入（Word Embedding）形式，就能利用向量之間的點積衡量句子間語義的相似性程度。

傳統(tǒng)的機器學習算法如支持向量機（Support Vector Machine，SVM）［5］、決策樹（Decision Tree）［5］常用于情感分類挖掘任務，但這些算法僅適用于樣本量少的情況并且容易產生過擬合的問題。隨著神經網絡［6］的發(fā)展，情感分類任務中相繼出現(xiàn)平移不變特點的卷積神經網絡（Convolutional Neural Networks，CNN）［7］、節(jié)點按鏈式連接的循環(huán)神經網絡（Recurrent Neural Network，RNN）［8］和有選擇性記憶信息的長短期記憶（Long Short-Term Memory，LSTM）［9］等模型。還有一些相關變體，比如結合條件隨機場（Conditional Random Field，CRF）的雙向LSTM模型［10］、CNN與LSTM結合的多通道策略神經網絡模型［11］，以及添加注意力機制的雙向LSTM 模型［12］等，這些模型增強了情感分類任務中語義信息的相關性，有利于情感極性的判斷。

然而，現(xiàn)有的方法大多未考慮不完全數(shù)據(jù)對情感分類性能的影響。不完全數(shù)據(jù)常產生于人為的書寫表達錯誤等［13］，以微博為例，人們希望用簡短的句子來傳達信息，并不計較句子中的語法錯誤或單詞拼寫錯誤等，而這些錯誤信息卻容易導致機器無法識別其中的重要信息，進而影響情感分類的效果。針對文本中出現(xiàn)的不完全數(shù)據(jù)問題，文獻［14］提出利用棧式降噪自編碼器（Stacked Denoising AutoEncoder，SDAE）對加噪的輸入數(shù)據(jù)進行壓縮-解壓縮訓練來重新構建“干凈”完整的數(shù)據(jù)，在含噪數(shù)據(jù)的情感分類任務中取得了優(yōu)于隨機森林（Random Forest）等傳統(tǒng)機器學習模型的性能。也有研究提出將降噪自編碼器網絡與詞向量結合［15］，用于提高分類的準確率；本文也將降噪自編碼器運用于提出的模型中以達到對不完全數(shù)據(jù)去噪的效果。

近年來，情感分類模型的性能得以有效提高得益于預訓練模型的發(fā)展［16］。預訓練模型通過在大規(guī)模語料庫上進行無監(jiān)督訓練來提取下游任務所需的共有信息，然后對下游任務做基于梯度優(yōu)化的有監(jiān)督訓練。主流的預訓練模型BERT（Bidirectional Encoder Representations from Transformers）［17］是一種能夠進行并行計算的注意力機制模型，在自然語言處理的多個數(shù)據(jù)集上都取得了最佳的結果。由于這些數(shù)據(jù)集都是預先花費大量時間處理好的“干凈”完整的數(shù)據(jù)集，所以在處理不完整數(shù)據(jù)集的情感分類時的性能有所下降。在現(xiàn)實生活中不完全數(shù)據(jù)隨處可見，而人為處理大量噪聲數(shù)據(jù)費時費力，有必要對模型加以改進以提高其對不完全數(shù)據(jù)的分類性能。

基于上述分析，本文提出稱為棧式降噪BERT（Stacked Denoising AutoEncoder-BERT，SDAE-BERT）的新模型。新模型通過棧式降噪自編碼器對經詞嵌入后的原始數(shù)據(jù)進行去噪訓練，為不完整的原始數(shù)據(jù)重構生成相對完整的數(shù)據(jù)，接著將其輸入到預訓練的BERT 模型中進一步改進特征的表示，最終完成不完全數(shù)據(jù)的情感分類任務。

1 相關基礎

1.1 棧式降噪自編碼器

自編碼器（AutoEncoder，AE）是主成分分析（Principal Component Analysis，PCA）在神經網絡中的一種拓展，二者都是通過數(shù)據(jù)降維來提取重要特征，與PCA 不同的是，自編碼器具有非線性變換特點，能夠有選擇性地提取信息，對于有噪聲的數(shù)據(jù)可以使用降噪自編碼器（Denoising AutoEncoder，DAE）進行去噪處理。如果高維數(shù)據(jù)直接從高維度降至低維度只進行一次非線性變換，可能無法提取某些重要特征，于是可以采用文獻［14］提出的棧式降噪自編碼器來處理高維度噪聲數(shù)據(jù)問題。如圖1 所示，其中帶有“×”的數(shù)據(jù)表示噪聲數(shù)據(jù)，對輸入的數(shù)據(jù)每次編碼（解碼）都做一次非線性變換，相較于直接從高維到低維能提取和重組更深層的關鍵特征。

圖1 棧式降噪自編碼器Fig.1 Stacked denoising autoencoder

1.2 BERT模型

文獻［18］提出利用Word2Vec構建神經網絡語言模型，使得深度學習在自然語言處理領域變得可行。然而靜態(tài)的Word2Vec無法解決一詞多義問題［19］，動態(tài)的詞向量模型便應運而生，如循環(huán)神經網絡［8］、長短期記憶網絡［9］等。循環(huán)神經網絡（RNN）的鏈式結構使得其擅長處理時間序列問題。但實驗證明，RNN 長距離記憶能力差，不適合處理長文本的分類問題，同時還存在誤差反向傳播時的梯度消失和梯度爆炸等問題。為了處理RNN 的短記憶問題，文獻［9］提出利用門控方法來解決記憶丟失問題的LSTM 模型。為了提取更深層次的特征表示，文獻［17］提出具有雙向Transformer 的預訓練模型BERT，并且該模型預先編碼了大量的語言信息。本文提出的模型將圍繞預訓練模型BERT 做進一步改進以處理不完全數(shù)據(jù)的情感分類問題。

1.2.1 輸入表示

BERT 模型的輸入特征表示由標記詞嵌入（Token Embedding）、片段詞嵌入（Segment Embedding）、位置詞嵌入（Position Embedding）三部分組成，最終輸入模型的向量表示由它們的對應位置相加，其中：Token Embedding 是固定維度大小的詞向量表示，它的第一個位置［CLS］編碼全句的信息可用于分類；Segment Embedding 用0 和1 編碼來區(qū)分一段話中不同的兩個句子；Position Embedding 編碼相應詞的位置信息。

1.2.2 Transformer編碼層

該層是對輸入的詞向量進行特征提取，使用的是Transformer［20］的編碼器端，如圖2 所示，其核心部分是多頭自注意力模塊。注意力機制能計算每一詞與句子中的其他詞的相關性程度，計算過程中每個詞不依賴于前面詞的輸出，因此注意力機制模型能并行運算?！岸囝^”允許模型在不同的表示子空間學到相關的信息，可以防止過擬合。對注意力模塊的輸出進行殘差連接可避免當前網絡層學習的較差，接著進行歸一化來提高算法的收斂速度。最后，將多頭注意力模塊的輸出經過全連接后再進行殘差連接和歸一化。BERT 模型由12 個相同的Transformer 編碼層串接而成，以增強網絡學習的深度。

圖2 Transformer編碼層Fig.2 Transformer coding layer

1.2.3 掩蓋語言模型

常見的語言模型如ELMo（Embeddings from Language Models）［21］是基于馬爾可夫假設對單詞組成的句子做概率乘積，選擇概率最大的句子作為模型的輸出。而BERT 模型是在兩個無監(jiān)督預測任務上對模型訓練，分別是掩蓋語言模型（Masked Language Model，MLM）和下一句預測（Next Sentence Prediction，NSP）。MLM 類似于英語中的完形填空任務，給出詞的上下文來預測被遮擋的單詞；NSP 是一個簡單的二分類訓練任務，用于判斷前后兩個句子是否連續(xù)。

掩蓋語言模型用特殊標記隨機替換掉句子中15%的單詞，被替換的15%單詞中有80%的幾率用［MASK］代替，10%的幾率用隨機的單詞替換，10%的幾率保持不變。從理論上講掩蓋模型引入了噪聲，模型對掩蓋的單詞重新編碼再來預測被掩蓋的單詞，因此，掩蓋語言模型本質上也是一種降噪的自編碼語言模型［22］。但是這種自編碼語言模型僅僅用于預訓練階段，而本文所使用的棧式降噪自編碼器用于下游任務中特定的數(shù)據(jù)集以實現(xiàn)對不完全數(shù)據(jù)去噪。

2 SDAE-BERT模型

不完全數(shù)據(jù)是相對于完全數(shù)據(jù)而言的，也稱不完整數(shù)據(jù)。不完整數(shù)據(jù)的句子中通常有單詞的拼寫、句子的語法等錯誤，從而導致句子的語義或語法出現(xiàn)結構混亂。表1 列舉了第3.1 節(jié)所用數(shù)據(jù)集中的常見錯誤類型，其中括號內為正確表示。在大多數(shù)非正式場合，人們?yōu)榱朔奖憬涣?，往往忽視句子結構的完整性，導致機器無法和人一樣識別某些重要信息，從而影響情感極性的判斷。

表1 兩種數(shù)據(jù)集常見錯誤類型Tab.1 Common error types of two datasets

2.1 棧式降噪BERT模型（SDAE-BERT）情感分類

在大語料庫中訓練的模型BERT，可以加入目標數(shù)據(jù)微調后進行情感分類。在此之前，還可以對原始數(shù)據(jù)的輸入特征向量表示進行棧式降噪自編碼訓練得到目標數(shù)據(jù)的特征表示，接著再用預訓練模型BERT 對目標數(shù)據(jù)進行情感分類。SDAE-BERT 的情感分類過程如圖3 所示。其中原始數(shù)據(jù)表示不完全數(shù)據(jù)，目標數(shù)據(jù)表示經棧式降噪自編碼器訓練后的相對“干凈”完整的數(shù)據(jù)。

圖3 SDAE-BERT的情感分類流程Fig.3 Sentiment classification flowchart of SADE-BERT

與BERT 模型后串接降噪BERT 的不完全數(shù)據(jù)情感分類［23］不同的是，本文提出棧式降噪BERT（SDAE-BERT）模型，用棧式降噪自編碼器直接對經詞嵌入后的原始數(shù)據(jù)訓練，再使用預訓練模型BERT 進行情感分類。模型的結構如圖4 所示，由4 層結構組成：輸入層、棧式降噪自編碼器（SDAE）層、BERT 層、分類層。在2.2 節(jié)將介紹SDAE-BERT 模型的4 個層次。

圖4 SDAE-BERT模型結構Fig.4 SDAE-BERT model structure

2.2 SDAE-BERT模型結構

2.2.1 輸入層

將原始的句子轉化為大小為（Nbs，128，768）的詞嵌入表示，其中：128 為句子的最大長度，768 為隱藏層單元個數(shù)，Nbs為批量處理數(shù)據(jù)的大小。

2.2.2 棧式降噪自編碼器層

棧式降噪自編碼器層由3 個分別含有兩個隱藏層的降噪自編碼器堆疊而成，編碼和解碼過程如式（1）、（2）。

編碼過程：

解碼過程：

其中：X為不完全數(shù)據(jù)經過輸入層后的向量表示；E0、E1、E2，D2、D1為編碼，解碼過程中的中間變量；W、b，W′、b′為編碼，解碼過程中的權重和偏置。例如，W01表示第一個編碼器的第一個隱藏層的權重，b01為對應的偏置，為最后一個解碼器的第一個隱藏層的權重為對應的偏置，依此類推；σR為修正線性單元（Rectified Linear Unit，ReLU）激活函數(shù)，σT為雙曲正切（Tanh）激活函數(shù)。

把同樣的數(shù)據(jù)（即不完全數(shù)據(jù)）經眾包平臺的糾正處理后也即將不完全數(shù)據(jù)轉化為相對“干凈”完整的數(shù)據(jù)，糾正后的數(shù)據(jù)經過輸入層得到的X0作為棧式自編碼器的訓練目標，將SDAE 層的輸出D0與完整數(shù)據(jù)X0用均方誤差（Mean Squared Error，MSE）函數(shù)計算誤差并對誤差反向傳遞，使訓練數(shù)據(jù)D0接近于干凈完整的數(shù)據(jù)X0，誤差計算如式（3），其中Nbs為批量大小，表示每隔一個批量計算一次誤差大小，一個批量的誤差為整個批量的平均誤差。用Adam 優(yōu)化器更新網絡參數(shù)直至損失在預期范圍內，保存此時的網絡參數(shù)用于下一層的BERT模塊。

2.2.3 BERT層

將上一層棧式降噪自編碼器的輸出D0作為BERT 的輸入，用預訓練模型BERT 對輸入的特征向量微調。微調過程中使用二分類交叉熵損失函數(shù)，計算公式如式（4）所示。BERT 模型由12 個Transformer 串接而成，取最后一層的第一個特殊標記［CLS］用于情感分類。

其中：y表示真實的標簽值表示經過BERT 層后模型預測為正類的概率值。

2.2.4 分類層

把第一個特殊標記［CLS］經前饋神經網絡變換后用softmax 函數(shù)將線性變換的結果O(i)轉化為概率分布P(i)，其中i∈1，2，分別表示正負類情感極性，計算公式如式（5），最后用arg max進行分類，取概率值大的對應標簽Y作為分類的結果，計算公式如式（6）：

3 實驗結果及分析

為檢驗提出的模型與對比算法在情感分類中的性能，本文選取自然語言處理領域的兩個主流數(shù)據(jù)集Sentiment140 和IMDB 進行實驗。所提模型是在預訓練模型BERT 上進一步改進，預訓練的BERT 已經編碼了大量語言信息，所以在少量樣本上訓練即可得到理想的效果。

3.1 數(shù)據(jù)集

表2 為實驗的數(shù)據(jù)統(tǒng)計情況，Sentiment140 是斯坦福大學收集用戶情感信息的數(shù)據(jù)集，IMDB是有明顯情感傾向性的二分類影評數(shù)據(jù)集。從Sentiment140 和IMDB 中選取有明顯結構不完整性的句子分別6 000 個和3 600 個，其中訓練集占80%，測試集占20%，取訓練集中10%作為驗證集。同時復制一份同樣的數(shù)據(jù)，借助眾包平臺糾正這些不完整的數(shù)據(jù)，以獲得完整數(shù)據(jù)作為棧式降噪自編碼器的訓練目標，使得不完整數(shù)據(jù)經過堆棧自編碼器訓練后得到相對完整數(shù)據(jù)。

表2 實驗數(shù)據(jù)統(tǒng)計Tab.2 Statistics of experimental data

針對不同數(shù)據(jù)含有的不同錯誤類型，表3 中為對應的樣本數(shù)量統(tǒng)計，由表可知不完全數(shù)據(jù)中的錯誤類型主要是拼寫、語法、縮寫、發(fā)音、擬聲，因此有必要對不完全數(shù)據(jù)進行去噪處理，來提高不完全數(shù)據(jù)的情感分類準確率。

表3 不完全數(shù)據(jù)的錯誤類型統(tǒng)計Tab.3 Statistics of incomplete data error types

3.2 評價指標

本文分類器的主要評價指標有準確率（Accuracy）、精確率（Precision）、召回率（Recall），實驗采用準確率和調和平均值F1（F1-Score）值作為分類器的評價指標，由于實驗所選取的數(shù)據(jù)均為有明顯不完全數(shù)據(jù)特征的句子，因此采用宏平均（Macro-average）即macroF1 值代替調和平均值，以防止因數(shù)據(jù)標簽分布不平衡對實驗結果的影響，準確率的計算公式如式（7），macroF1值的推導如式（8）～（11）：

其中：Acc為準確率；Pre為精確率；Rec為召回率；macro_F1 為宏平均值；TP（True Positive）表示正類情感標簽被模型預測為正類的樣本數(shù)量；FP（False Positive）表示負類情感標簽被模型預測為負類的樣本數(shù)量；FN（False Negative）表示正類情感標簽被模型預測為負類的樣本數(shù)量；i表示第i個情感標簽（i取1、2）。

3.3 超參數(shù)設置

棧式降噪自編碼器層 輸入句子的最大長度為128，輸入的隱層節(jié)點數(shù)為768，在編碼器中隱層節(jié)點數(shù)分別為384、128、32，在解碼器的隱層節(jié)點個數(shù)分別為32，128，384，輸出的隱層節(jié)點數(shù)為768，訓練的epoch 值設為50，使用均方誤差函數(shù)計算損失、Adam優(yōu)化器更新網絡參數(shù)，學習率為2E -3。

BERT 層 使用預訓練好的BERT-base 模型，模型由12個Transformer 模塊串接而成，12 個注意力頭，768 個隱層節(jié)點數(shù)，輸入句子的最大長度為128，模型的總參數(shù)大小為110 MB。在谷歌Colab 實驗平臺的GPU 上對棧式降噪自編碼器的輸出進行微調，訓練epoch 值設為10，使用Adam 優(yōu)化器更新網絡參數(shù)，學習率為2E -5，批大小設為8。權重衰減系數(shù)設為0.001 以調節(jié)模型復雜度對損失函數(shù)的影響，為防止過擬合，dropout值設為0.1。

3.4 實驗結果對比

為了避免由于實驗過程中epoch 值的選定對實驗結果的影響，對SDAE-BERT 模型在兩個不完全數(shù)據(jù)集上進行實驗，在模型的批大小、學習率、樣本數(shù)量相同的情況下，改變epoch值，記錄不同epoch 值下的分類準確率和F1 值。實驗結果如圖5 所示，X軸為epoch 值的大小，Y軸為分類的性能百分比（Percentage）。不同線段類型分別代表準確率和F1。實驗結果表明，對于Sentiment140 在epoch 值為10 時，分類的準確率和F1 值達到最高分別為86.32%、85.55%，對于IMDB 在epoch 值為16 時，分類的分類的準確率和F1 值達到最高分別為84.86%、84.13%。隨著迭代次數(shù)的增加，模型逐漸擬合并且趨于平穩(wěn)。綜合考慮分類性能和訓練時間復雜度，選取epoch值為10進行實驗。

圖5 不同epoch值的SDAE-BERT模型結果Fig.5 SDAE-BERT model results with different epoch values

表4 為不同模型在兩個不完整數(shù)據(jù)集上的實驗結果。其中，SVM 是使用徑向基（Radial Basis Function，RBF）高斯核函數(shù)的支持向量機；LSTM是對文獻［6］的復現(xiàn)，在一定程度上能解決RNN 的記憶衰退問題。BiLSTM-ATT 是引入注意力機制的雙向LSTM 模型，其實驗結果是來自對文獻［8］的復現(xiàn)。BERT 是在兩個數(shù)據(jù)集下微調的結果，SDAE-BERT 為本文提出的模型。

表4 不同算法在兩個不完整數(shù)據(jù)集上的結果Tab.4 Results of different algorithms on two incomplete datasets

表5 為不同模型在兩個完整數(shù)據(jù)集上的實驗結果，用來與不完整數(shù)據(jù)的實驗結果做對比，其所有參數(shù)設置與不完整數(shù)據(jù)集上的保持一致。

表5 不同算法在兩個完整數(shù)據(jù)集上的結果Tab.5 Results of different algorithms on two complete datasets

實驗結果表明，在訓練數(shù)據(jù)較小的情況下。預訓練模型BERT在不完整數(shù)據(jù)和完整數(shù)據(jù)上的F1值和分類準確率均高于支持向量機、LSTM 和有注意的LSTM 模型；對于不完整數(shù)據(jù)，LSTM 加入注意力機制比不加注意力機制的F1 值提高4%～10%，而對于完整數(shù)據(jù)則無明顯效果，猜測注意力機制可能對不完整數(shù)據(jù)更有效，注意力機制能根據(jù)上下文語境預測當前最適合的單詞；由表4 和表5 可知，在不完整數(shù)據(jù)集下的BERT 的分類效果比完整數(shù)據(jù)集下的BERT 低6%～7%，因此有必要對系統(tǒng)做進一步改進使其對不完整數(shù)據(jù)有同樣的分類效果。本文提出的模型SDAE-BERT 在不完整數(shù)據(jù)上的F1 值和分類正確率均高于BERT 及其他模型，與BERT 模型相比在F1 值和正確率上分別提高約6%和5%（向上取整），從而驗證SDAE-BERT 能有效地處理噪聲問題。表5 完整數(shù)據(jù)集上的分類效果相比表4 的不完整數(shù)據(jù)都有一定提高，表明完整數(shù)據(jù)更有利于情感分類。表5中SDAE-BERT 與BERT 模型的實驗結果無明顯區(qū)別，表明提出的模型能夠有效地對不完全數(shù)據(jù)進行情感分類。

基于上述實驗，選擇SDAE-BERT模型對比不同的訓練數(shù)據(jù)規(guī)模對實驗分類效果的影響，在保持模型結構和初始超參數(shù)不變的情況下，只改變數(shù)據(jù)集的規(guī)模。實驗結果如表6所示。

表6 不同樣本數(shù)量下的SDAE-BERT模型分類結果Tab.6 Classification results of SDAE-BERT model under different sample sizes

由表6 可得，訓練數(shù)據(jù)的規(guī)模對SDAE-BERT 的分類效果有較大影響，因此在對SDAE-BERT 進行訓練時，適當增加訓練數(shù)據(jù)模型能夠學習到更多的特征表示，從而能提高不完全數(shù)據(jù)的情感分類性能。

4 結語

針對BERT 未考慮不完整數(shù)據(jù)給情感分類性能帶來的影響，本文提出棧式降噪BERT（SDAE-BERT）模型。首先分析了棧式降噪自編碼器能夠對含有噪聲的數(shù)據(jù)去噪；其次對預訓練模型BERT 的輸入表示、Transformer 編碼層和掩蓋語言訓練方式進行描述；最后，提出將棧式降噪自編碼器與預訓練模型BERT 結合來處理不完全數(shù)據(jù)的情感分類模型。在不完全數(shù)據(jù)上的實驗結果有所提升，從而驗證了SDAE-BERT模型的有效性。

本文的不足在于所采用的數(shù)據(jù)集并非公共的不完全數(shù)據(jù)集，在對比方面存在一定的局限性；同時實驗的數(shù)據(jù)較少，對上下文信息的捕捉不充足。下一步工作準備在兩個方面進行展開：1）融合多個不完全數(shù)據(jù)集使得訓練的模型更具有普遍性；2）增大訓練數(shù)據(jù)的規(guī)模使模型充分提取上下文的信息。