何 野，楊會(huì)成，潘 玥，徐姝琪

(安徽工程大學(xué) 電氣工程學(xué)院，安徽 蕪湖 241004)

0 引言

隨著電子產(chǎn)品及互聯(lián)網(wǎng)技術(shù)的不斷進(jìn)步與革新，包含人們情感評(píng)論的大量文本信息已經(jīng)出現(xiàn)在網(wǎng)絡(luò)平臺(tái)上．在自然語言處理(NLP)領(lǐng)域中，尋找一種有效的數(shù)據(jù)挖掘和分析方法是一項(xiàng)非常重要的研究，這被稱為文本情感分析[1]．文本情感分析主要包括文本分類、信息提取和文本生成技術(shù)，情感分析是一個(gè)過程，用于識(shí)別和分類意見、觀點(diǎn)(從文本到特定主題或產(chǎn)品)．這些評(píng)估可以是正面、負(fù)面或中立的．分析可以在文檔級(jí)別、句子級(jí)別或單詞級(jí)別執(zhí)行．目前，基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的情感分析在各種應(yīng)用中都取得了良好的效果．然而，機(jī)器學(xué)習(xí)方法中使用的函數(shù)非常簡單，這可能導(dǎo)致它們?cè)谔幚韽?fù)雜分類問題時(shí)對(duì)新的模型的適應(yīng)能力較差，并且在樣本和計(jì)算單位比較少的情況下，表達(dá)復(fù)雜函數(shù)的能力在一定程度上受到限制．

歷年來，情感分類方法發(fā)生了許多變化，最早是基于初始情感詞典的方法， Bengio等[2]最早使用神經(jīng)網(wǎng)絡(luò)構(gòu)建語言模型．Mikolov等[3-4]于2013 年提出了 Word2Vec 技術(shù)，推動(dòng)了詞向量的快速發(fā)展．然后再到機(jī)器學(xué)習(xí)方法，例如支持向量機(jī)(SVM)[5]、樸素貝葉斯(NB)、決策樹、邏輯回歸等．盡管某些機(jī)器學(xué)習(xí)方法可以在某些任務(wù)上取得良好的結(jié)果，但是由于特征工程的復(fù)雜性，這些方法的效果非常依賴于特征表示，并且難以獲得可接受的分類結(jié)果．隨著人們對(duì)深度學(xué)習(xí)算法的進(jìn)一步研究與認(rèn)識(shí)，許多深度學(xué)習(xí)方法被應(yīng)用于情感分類任務(wù)．與機(jī)器學(xué)習(xí)方法相比，深度學(xué)習(xí)則更加側(cè)重于取代人工使用自動(dòng)提取語料特征的方式，這樣可以使文本的特征更加廣泛和豐富．但是，深度學(xué)習(xí)模型的魯棒性和泛化能力在很大程度上取決于訓(xùn)練階段可用的數(shù)據(jù)量，而基于機(jī)器學(xué)習(xí)的分類系統(tǒng)的性能則主要取決于語料庫中的標(biāo)記訓(xùn)練及其有效特征的選擇．

卷積神經(jīng)網(wǎng)絡(luò)[6](CNN)和遞歸神經(jīng)網(wǎng)絡(luò)是兩個(gè)廣泛使用的用于情感表達(dá)的深度學(xué)習(xí)模型．Yann LeCun在1998年提出的CNN具有很強(qiáng)的適應(yīng)性，并且非常善于從文本中提取局部特征．由于其獨(dú)特的權(quán)重共享結(jié)構(gòu)，它可以顯著降低計(jì)算復(fù)雜度以及訓(xùn)練參數(shù)的數(shù)量．對(duì)于句子建模，Kalchbrenner等人提出了動(dòng)態(tài)卷積神經(jīng)網(wǎng)絡(luò)，它能夠獲得短時(shí)和長時(shí)關(guān)系．作為另一個(gè)流行的網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)[7](RNN)可以處理序列數(shù)據(jù)并了解長期依賴性．RNN將當(dāng)前輸出和網(wǎng)絡(luò)的上一級(jí)輸出聯(lián)系在一起，這意味著當(dāng)前隱藏層的輸入不僅包括輸入層的輸出，而且還包括先前隱藏層的輸出．當(dāng)RNN學(xué)習(xí)到對(duì)信息的長期依賴時(shí)，它將產(chǎn)生梯度衰減或爆炸．為了解決這個(gè)問題，研究人員提出了一種LSTM[8]單元，其中包含一個(gè)可以長時(shí)間保持狀態(tài)的存儲(chǔ)單元，這樣可以確保結(jié)構(gòu)更準(zhǔn)確地提取情感信息．筆者在研究CNN和LSTM的基礎(chǔ)上，將這兩種框架的部分結(jié)構(gòu)結(jié)合在一起，CNN僅提取本地特征，而LSTM是一種網(wǎng)絡(luò)類型，其網(wǎng)絡(luò)內(nèi)存可以記住輸入中的先前數(shù)據(jù)，并根據(jù)該知識(shí)做出決策．因此，LSTM更適合直接輸入文本，因?yàn)榫渥又械拿總€(gè)單詞都具有基于周圍單詞的含義．充分利用了它們各自的優(yōu)勢(shì)，彌補(bǔ)了單個(gè)網(wǎng)絡(luò)框架的缺陷，并通過實(shí)驗(yàn)證明了該網(wǎng)絡(luò)模型對(duì)提高文本情感分析具有較為高效的作用．

1 相關(guān)技術(shù)與概念

1.1 CNN模型

CNN是卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network)的簡稱，它本質(zhì)上是一個(gè)多層感知機(jī).該模型主要由3個(gè)部分構(gòu)成：卷積層、池化層和全連接層(輸出層).結(jié)構(gòu)如圖1所示．

圖1 CNN模型結(jié)構(gòu)

它是一個(gè)具有多個(gè)隱層的人工神經(jīng)網(wǎng)絡(luò).卷積和池化是網(wǎng)絡(luò)中的最關(guān)鍵的操作，也是網(wǎng)絡(luò)進(jìn)行局部和全局特征提取的主要方式．CNN采用梯度下降法，通常都能夠得到最優(yōu)解，經(jīng)過多次的訓(xùn)練調(diào)整提高網(wǎng)絡(luò)的參數(shù)的合理性．

1.2 長短時(shí)記憶LSTM模型

在處理時(shí)間序列問題上，無論是分類還是預(yù)測(cè)的問題，循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)都有著很好的優(yōu)勢(shì)．它的神經(jīng)單元經(jīng)過運(yùn)算輸出結(jié)果后，繼續(xù)將其作為下一個(gè)單元的輸入并循環(huán)往復(fù)，這樣可以有效利用前面的信息．在文本處理以及情感分析的問題上，循環(huán)神經(jīng)網(wǎng)絡(luò)能夠貫穿全文，利用上下文的信息，從而使分類問題變得更加精準(zhǔn)．然而，傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)難以對(duì)長文本進(jìn)行處理，因其容易造成梯度爆炸和消失的問題．

長短時(shí)記憶網(wǎng)絡(luò)(Long Short Term Memory Network,LSTM)，是一種改進(jìn)之后的循環(huán)神經(jīng)網(wǎng)絡(luò)，可以解決RNN無法處理長距離的依賴的問題，在涉及長時(shí)間滯后的任務(wù)上，其性能將優(yōu)于RNN．

LSTM網(wǎng)絡(luò)結(jié)構(gòu)由4個(gè)主要部分組成：輸入門、自循環(huán)鏈接、遺忘門和輸出門．

對(duì)于輸入門i、遺忘門f和輸出門o，在t時(shí)刻分別有如下操作：

it=σ(Wixt+Uiht-1)，

(1)

ft=σ(Wfxt+Ufht-1)，

(2)

ot=σ(Woxt+Uoht-1)，

(3)

(4)

(5)

ht=ot·tanh(ct).

(6)

其中Wi、Wf、Wo、Wc、Ui、Uf、Uo、Uc均為權(quán)重矩陣，網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示.

圖2 LSTM模型結(jié)構(gòu)

2 基于LSTM-CNN的模型

LSTM-CNN 模型由一個(gè)初始LSTM層構(gòu)成，它將接收詞向量輸入矩陣作為輸入，LSTM層為原始輸入生成一個(gè)新的編碼．然后將LSTM層的輸出緊接著輸入到期望可以提取局部特征的卷積層中．最后卷積層的輸出將被匯集到一個(gè)較小的緯度，最終輸出為正或負(fù)標(biāo)簽．它的結(jié)構(gòu)如圖3所示．

圖3 LSTM-CNN組合網(wǎng)絡(luò)

2.1 文本的詞向量表示

對(duì)于情感分析來說，英文和中文存在著差別，即英文一般都是以單詞來表達(dá)意思，而中文則以詞組來表達(dá)情感.所以在進(jìn)行中文情感分析之前，首先得對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理，即對(duì)句子進(jìn)行分詞，去除無用符號(hào)和停用詞等,其次將處理好的文本用詞向量表示．

2.2 Word2Vec

Word2Vec是一個(gè)非常有效的工具，可以在無須人工干預(yù)的情況下提取特定域的功能．另外，對(duì)于太小的文本或單個(gè)詞語，它都可以很好地工作．通過提供龐大的語料庫上下文并使用Word2Vec，可以創(chuàng)建具有正確意義的詞語并在大型數(shù)據(jù)集上更快地運(yùn)行．

單詞含義是深度學(xué)習(xí)的最終視角，使用Word2Vec對(duì)較大的實(shí)體進(jìn)行分類可以完全滿足單詞的含義．在提出的方法中，數(shù)據(jù)集是在向量上訓(xùn)練的．具有相同情感標(biāo)簽的單詞具有相同的向量，因此可以輕松指定單詞相似度．

2.3 LSTM-CNN網(wǎng)絡(luò)搭建

該網(wǎng)絡(luò)由以下3個(gè)部分組成：

1)卷積神經(jīng)網(wǎng)絡(luò)的輸入矩陣．所有的詞向量都被連接成二維矩陣，作為卷積神經(jīng)網(wǎng)絡(luò)的輸入矩陣．

2)卷積神經(jīng)網(wǎng)絡(luò)．在本文模型中，由4層卷積層構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型，以提取句子中的重要特征信息．卷積由卷積內(nèi)核執(zhí)行．對(duì)于長度為l的內(nèi)核，有：

ci=f(ω·xii+l-1+b).

(7)

式中,ω∈Rl×d是內(nèi)核的權(quán)重矩陣，xii+l-1被用于內(nèi)核嵌入基質(zhì)的字．而對(duì)于長度為n的句子，則得到特征向量c=[c1,c2,…,ci,cn].

(8)

2.4 模型的訓(xùn)練

該模型訓(xùn)練的損失函數(shù)是通過反向傳播算法更新參數(shù)的形式得到的，損失函數(shù)如式(9)所示：

(9)

3 實(shí)驗(yàn)結(jié)果與分析

筆者使用電子商務(wù)網(wǎng)站的產(chǎn)品評(píng)論為數(shù)據(jù)集,共20 065條數(shù)據(jù)，使用數(shù)字1代表積極情緒，數(shù)字0代表消極情緒．其中，積極評(píng)價(jià)數(shù)據(jù)10 212條,消極評(píng)價(jià)數(shù)據(jù)9 853條．模型中，文本長度為29,詞向量維度為128，Adam的學(xué)習(xí)率為0.002，dropout 為0.5，批次大小設(shè)置為100．

為了驗(yàn)證模型的性能，本次實(shí)驗(yàn)另外訓(xùn)練了兩種其他模型作為對(duì)比數(shù)據(jù)，分別是CNN和LSTM模型，通過對(duì)比各個(gè)模型的準(zhǔn)確率(accuracy)、精確率(precision)、召回率(recall)和F-measure的值來判斷優(yōu)化程度．

實(shí)驗(yàn)結(jié)果如表1所示.

表1 模型測(cè)試結(jié)果

通過模型 1 和模型 2 的實(shí)驗(yàn)對(duì)比，發(fā)現(xiàn)CNN模型在處理文本的各方面均優(yōu)于LSTM模型．

對(duì)以上3種實(shí)驗(yàn)結(jié)果進(jìn)行分析，LSTM-CNN模型相比其他兩種單個(gè)模型，在對(duì)評(píng)論文本情感分析上有著更好的表現(xiàn)，它的F-measure值均高于其他兩種模型．

4 結(jié)論

綜上所述，針對(duì)文本情感分析問題，在研究了CNN和LSTM模型的基礎(chǔ)上,筆者提出的基于LSTM-CNN算法的文本情感分析模型在各方面數(shù)據(jù)顯示其具有較為優(yōu)異的處理能力，實(shí)驗(yàn)結(jié)果驗(yàn)證了該模型的可行性和有效性．將來，可以嘗試將模型與其他自然語言處理技術(shù)串聯(lián)起來，以期在NLP問題中獲得更好的結(jié)果．