趙亞麗,余正濤,郭軍軍,高盛祥,相 艷

(1.昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院，云南 昆明 650500；2.云南省人工智能重點(diǎn)實(shí)驗(yàn)室，云南 昆明 650500)

1 引言

隨著“一帶一路”倡議的提出，中國和越南在政治、經(jīng)濟(jì)等領(lǐng)域的聯(lián)系愈加緊密。在越南熱點(diǎn)事件發(fā)生后，越南社交媒體在互聯(lián)網(wǎng)上進(jìn)行報(bào)道，及時(shí)了解這些熱點(diǎn)報(bào)道中民眾的情感態(tài)度，對中越雙邊政治、貿(mào)易和文化交流有巨大影響。然而，越南語屬于小語種，缺乏大規(guī)模標(biāo)記數(shù)據(jù)，漢越2種語言存在語義鴻溝，且人工標(biāo)注費(fèi)時(shí)費(fèi)力。

Table 1 An example of the COVID-19 reviews in Vietnamese and Chinese表1 新冠疫情評論漢越樣例數(shù)據(jù)示例

越南語等低資源語言缺乏標(biāo)注數(shù)據(jù)，而已有的監(jiān)督學(xué)習(xí)方法仍然是基于機(jī)器翻譯[1 - 3]的跨語言情感分類方法。由于受機(jī)器翻譯性能誤差累積的影響，面向東南亞小語種語言的情感分類準(zhǔn)確率普遍較低。

對于沒有標(biāo)注數(shù)據(jù)的低資源語言的情感分類，通常的做法是借助另外一種標(biāo)記資源豐富的語言，用跨語言情感分類CLSC(Cross-Lingual Sentiment Classification)的方法輔助目標(biāo)語言進(jìn)行情感分類，借助對抗網(wǎng)絡(luò)，獲得雙語語義對齊空間。傳統(tǒng)的方法僅僅是在語義空間對齊，而情感詞是情感分類的最直接有效的描述，也應(yīng)該將其作為情感分類的依據(jù)。

2 相關(guān)工作

在跨語言情感分類的任務(wù)中，如何實(shí)現(xiàn)不同語言的句子在公共語義空間的語義對齊，如何在沒有任何標(biāo)簽的情況下去無監(jiān)督地完成情感分類是CLSC的核心難點(diǎn)。

要完成越南語的情感分類，首先要解決漢語和越南語不在同一語義空間的問題。Zhou等[4]實(shí)現(xiàn)跨語言情感分析的方式是通過機(jī)器翻譯將源語言翻譯為目標(biāo)語言，跨語言表示學(xué)習(xí)是指不同語言的詞向量表示可以共享一個(gè)向量空間，不同語言中情感語義相近的詞在該空間中的距離相近。Mikolov等[5]提出將雙語單詞進(jìn)行對齊，并訓(xùn)練得到源語言詞向量空間到目標(biāo)語言詞向量空間的線性映射。Faruqui等[6]提出將源語言和目標(biāo)語言的詞嵌入映射到同一個(gè)向量空間。Lauly等[7]提出通過自編碼器對源語言進(jìn)行編碼，同時(shí)源語言和目標(biāo)語言通過解碼來得到雙語的詞向量。Meng等[8]利用平行語料庫提升詞典覆蓋率，采用最大似然值對詞語進(jìn)行標(biāo)注，進(jìn)而提升情感分類的準(zhǔn)確率。粟雨晴等[9]通過構(gòu)建雙語詞典，進(jìn)行微博多情感分析。但這2種方法都需要構(gòu)建多語言平行語料庫，分類準(zhǔn)確率依賴于語料庫的質(zhì)量和規(guī)模大小。Wang等[10]利用因子圖模型的屬性函數(shù)從每個(gè)帖子中學(xué)習(xí)單語和雙語信息，利用因子函數(shù)來探索不同情緒之間的關(guān)系，并采用置信傳播算法來學(xué)習(xí)和預(yù)測模型。

深度學(xué)習(xí)中的生成對抗網(wǎng)絡(luò)可以很好地應(yīng)用于遷移學(xué)習(xí)任務(wù)中,使用生成對抗網(wǎng)絡(luò)構(gòu)建起源語言與目標(biāo)語言之間的橋梁,從而緩解了目標(biāo)語言中標(biāo)注數(shù)據(jù)匱乏的問題。但是,傳統(tǒng)的GAN(Generative Adversarial Networks)[11]存在不易訓(xùn)練、生成數(shù)據(jù)可解釋性差和易崩潰等缺點(diǎn)。近年來對GAN的研究主要有以下幾種改進(jìn):對抗式自編碼器AAE(Adversarial AutoEncoders),由Makhzani等[12]提出,加入自編碼器可使生成數(shù)據(jù)更接近于輸入數(shù)據(jù),從而避免無效數(shù)據(jù)的產(chǎn)生；信息生成對抗網(wǎng)絡(luò)InfoGAN(interpretable representation learning by Information maxmizing Generative Adversarial Net),Chen等[13]提出了InfoGAN模型,該模型在生成器中引入隱含編碼,利用隱含編碼對生成數(shù)據(jù)做出解釋；序列生成對抗網(wǎng)絡(luò)SeqGAN,Yu等[14]提出的SeqGAN模型把序列生成問題看作序列決策制定過程,并使用強(qiáng)化學(xué)習(xí)的思想對模型進(jìn)行訓(xùn)練；條件生成對抗網(wǎng)絡(luò)CGAN(Conditional GAN),CGAN模型由Mirza等[15]提出,該模型在對生成器和判別器建模時(shí)引入了條件變量,通過最大最小化條件變量使得生成器的輸出既與真實(shí)數(shù)據(jù)相似又受條件約束。這些改進(jìn)的GAN在文本和圖像領(lǐng)域已取得不錯(cuò)的進(jìn)展[16]。

以上對于GAN的研究多數(shù)局限在圖像以及單語文本研究領(lǐng)域。本文在基于對抗的卷積神經(jīng)網(wǎng)絡(luò)CNN(Convolution Neural Network)文本分類模型上加入了原文情感詞典的特征擴(kuò)展，經(jīng)過對抗，將高資源情感語義模型遷移到低資源語言，得到雙語情感語義對齊空間，顯著提升低資源語言情感分類任務(wù)的識別性能。

3 基于情感語義對抗的跨語言情感分類模型

本文融合情感詞典來指導(dǎo)低資源語言的跨語言情感分類，提出了基于情感語義對抗的無監(jiān)督跨語言情感分類模型SADAN(Sentiment Adversarial Deep Averaging Network)。圖1是本文模型的基本結(jié)構(gòu)，其中虛線表示無標(biāo)簽的數(shù)據(jù)，實(shí)線表示有標(biāo)簽的數(shù)據(jù)。

Figure 1 Cross-language sentiment classification model based on sentiment semantic confrontation圖1 基于情感語義對抗的跨語言情感分類模型

3.1 模型框架

SADAN是一個(gè)具有2個(gè)分支的前饋網(wǎng)絡(luò)。網(wǎng)絡(luò)中有3個(gè)主要模塊，分別是：

(1)融合情感詞的句子語義表征模塊：將句子和句子中的情感詞進(jìn)行拼接，對拼接后的句子進(jìn)行嵌入，用CNN進(jìn)行特征抽取，分別獲得漢越2種語言在單語語義空間下的情感語義表征。CNN作為共享特征提取器，目的是幫助情感分類器學(xué)習(xí)情感特征，并阻礙語言鑒別器辨別該特征來自于源語言還是目標(biāo)語言。

(2)雙語情感語義對齊模塊：將2種語言的語義表征進(jìn)行對抗訓(xùn)練，實(shí)現(xiàn)高資源語言到低資源語言的對齊，得到雙語情感語義對齊空間。

(3)跨語言情感分類模塊：將卷積得到的句子表征和句子中所包含的情感詞(保持維度相同)進(jìn)行拼接得到新的詞向量，實(shí)現(xiàn)句子的特征擴(kuò)展，再通過濾波器抽取得到句子特征的向量化表示。最后基于softmax激活函數(shù)[18]進(jìn)行目標(biāo)語言的情感分類。

3.2 融合情感詞的句子語義表征模塊

3.2.1 情感詞拼接

句子中情感詞的獲取是跨語言情感分類任務(wù)的第1步。利用匹配算法將語料句子中的每個(gè)詞和情感詞典中的詞進(jìn)行匹配，將句子中的情感詞拼接在句子后面。

X={Xi,i=1,2,3,…,n}

(1)

X′={(Xi,Si),i=1,2,3,…,n;Si∈Rn×|S|}

(2)

Y={Yj,j=1,2,3,…,m}

(3)

Y′={(Yj,Kj),j=1,2,3…,m;Kj∈Rn×|K|}

(4)

其中，X表示源語言句子集合，Y表示目標(biāo)語言句子集合,X′表示源語言句子與句子中情感詞拼接后的句子集,Xi表示源語言句子集中的第i個(gè)句子，Si表示拼接在第i個(gè)句子后的情感詞，n表示源語言句子個(gè)數(shù)，|S|表示拼接的情感詞的長度，Y′表示目標(biāo)語言句子與句子中情感詞拼接后的句子集，Yj表示目標(biāo)語言句子中第j個(gè)句子，Kj表示第j個(gè)目標(biāo)語言句子后拼接的情感詞，|K|表示拼接的情感詞的長度。

3.2.2 雙語詞嵌入

給定源語言句子輸入X′={(xi,li),j=1,2,3,…,n}和一個(gè)目標(biāo)語言句子輸入Y′={(yj,zj),j=1,2,3,…,m}。本文利用雙語詞嵌入將每個(gè)句子中的每個(gè)詞表示成z維詞向量，如式(5)和式(6)所示：

EX′=emb(Xi,Si)

(5)

EY′=emb(Yj,Kj)

(6)

其中，EX′∈Rn×|q|和EY′∈Rn×|d|分別表示嵌入函數(shù)，它將每一個(gè)輸入序列中的每個(gè)詞轉(zhuǎn)化為對應(yīng)的z維詞向量； |q|和|d|表示源語言和目標(biāo)語言輸入模型的句子長度。本文所采用的詞嵌入設(shè)為50維，即z=50。

3.3 雙語情感語義對齊模塊

將句子和句子中的情感詞進(jìn)行拼接，用卷積神經(jīng)網(wǎng)絡(luò)對拼接后的句子進(jìn)行聯(lián)合表征，分別獲得漢越2種語言單語語義空間下的情感語義表征；然后，通過對抗網(wǎng)絡(luò)在雙語情感語義空間將帶標(biāo)簽數(shù)據(jù)與無標(biāo)簽數(shù)據(jù)的情感語義表征進(jìn)行對齊。該模塊包括共享特征提取器模塊(F)和語言鑒別器(D)。

3.3.1 CNN共享特征提取器(F)

圖1中嵌入層的輸出送給用于特征提取的卷積層。本文在對句子進(jìn)行特征提取的同時(shí)，也對句子中的情感詞進(jìn)行特征提取。每個(gè)卷積層都有固定大小的滑動(dòng)窗口，每次只處理窗口內(nèi)的信息。窗口的大小設(shè)定為k，在卷積操作中有連續(xù)k個(gè)詞向量獲得新的特征向量ci，i表示第i個(gè)特征值，xi:i+k-1表示輸入評論句中第i個(gè)詞到第i+k-1個(gè)詞經(jīng)過卷積操作得到的向量表示。操作過程可以用式(7)表示:

ci=f1(w·xi:i+k-1+b)

(7)

其中，濾波器的權(quán)重矩陣w∈Rk×d，b為偏置項(xiàng)，f1為激活函數(shù)。

提取出來的特征C表示為式(8):

C=[c1,c2,…,cn-k+1]

(8)

同理，情感詞抽取出的特征A表示為式(9)：

A=[a1,a2,…,am]

(9)

其中，ai,1≤i≤m表示情感詞抽取出的特征向量。

3.3.2 語言鑒別器(D)

考慮源語言(src)和目標(biāo)語言(tgt)的聯(lián)合隱藏特征的分布，如式(10)和式(11)所示。

(10)

(11)

為了學(xué)習(xí)漢越雙語的語言特征，SADAN訓(xùn)練F(x)使這2個(gè)分布盡可能接近，以獲得更好的跨語言概括。由于Jensen-Shannon散度存在不連續(xù)性，Arjovsky等[19]建議將Wasserstein距離最小化，并證明了其對超參數(shù)選擇的穩(wěn)定性有所幫助。

(12)

為了使D成為Lipschitz函數(shù)(直到一個(gè)常數(shù))，D的參數(shù)總是被限制在一個(gè)固定的范圍內(nèi)。設(shè)D用θq參數(shù)化，那么目標(biāo)Jq如式(13)所示：

Jq(θf)≡

(13)

3.4 跨語言情感分類模塊(P)

v′=w′·v+b′

(14)

其中，w′為全連接層訓(xùn)練的權(quán)重矩陣，b′為偏置項(xiàng)。v′經(jīng)過全連接層，獲得了多個(gè)特征類別范圍內(nèi)的估計(jì)值，需要做歸一化的處理，采用softmax分類函數(shù)可以決策出最大概率的類別，用式(15)表示如下：

p=softmax(v′)

(15)

其中，softmax為分類器。p表示句子最終情感特征所屬的概率，可以判別出句子的情感類別。

對于由θp參數(shù)化的情感分類器P，使用傳統(tǒng)的交叉熵?fù)p失，表示為Lp(y′,y)，其中y′和y分別是預(yù)測的標(biāo)簽分布和真實(shí)的標(biāo)簽。Lp是P預(yù)測正確標(biāo)簽的負(fù)對數(shù)似然。因此，求P的以下?lián)p失函數(shù)的最小值，用式(16)表示如下:

(16)

4 實(shí)驗(yàn)和結(jié)果分析

4.1 數(shù)據(jù)集和評價(jià)指標(biāo)

4.1.1 漢越數(shù)據(jù)集

漢越數(shù)據(jù)集的構(gòu)建過程與文獻(xiàn)[13]中構(gòu)建CLSC漢英數(shù)據(jù)集類似，參數(shù)設(shè)置如表2所示。CLSC數(shù)據(jù)集是從新浪微博與推特平臺獲取的2020年美國疫情相關(guān)的熱門社交媒體評論數(shù)據(jù)，共包含20 334條中文微博評論和11 233條越南語推特評論，經(jīng)過篩選與預(yù)處理形成json格式文件，經(jīng)過一系列數(shù)據(jù)整理和預(yù)處理后獲得漢越CLSC數(shù)據(jù)集，數(shù)據(jù)格式為：(中文句子，中文情感詞，標(biāo)簽l)和(越南語句子，越南語情感詞)，其中l(wèi)∈{0，1，2，3，4}。

Table 2 Parameters setting表2 參數(shù)設(shè)置

4.1.2 英中數(shù)據(jù)集

本文的英語數(shù)據(jù)集是文獻(xiàn)[21]中的70萬條Yelp評論的平衡數(shù)據(jù)集并采用了他們的訓(xùn)練集和驗(yàn)證集分割:65萬份用于訓(xùn)練和50萬份用于驗(yàn)證。中文數(shù)據(jù)集方面，本文使用Lin等[22]的1萬條中國酒店評論用作驗(yàn)證集，另外的15萬條未標(biāo)記的中國酒店評論作為測試集。

4.2 評價(jià)指標(biāo)及模型參數(shù)設(shè)置

4.2.1 評價(jià)指標(biāo)

本文的實(shí)驗(yàn)評價(jià)指標(biāo)使用準(zhǔn)確率Accuracy、精確率Precision、召回率Recall和F1值，主要使用Accuracy進(jìn)行評價(jià)。其計(jì)算公式分別如式(17)～式(20)表示為：

(17)

(18)

(19)

(20)

其中,TP表示實(shí)際為正例且被分類器劃分為正例的樣本數(shù)，TN表示實(shí)際為負(fù)例且被分類器劃分為負(fù)例的樣本數(shù),FP表示實(shí)際為正例且被分類器劃分為負(fù)例的樣本數(shù)，F(xiàn)N表示實(shí)際為負(fù)例且被分類器劃分為正例的樣本數(shù)。

4.2.2 模型參數(shù)設(shè)置

本文模型基于pytorch的深度學(xué)習(xí)框架，具體參數(shù)設(shè)置如表2所示。

4.3 基準(zhǔn)模型與實(shí)驗(yàn)結(jié)果分析

4.3.1 基準(zhǔn)模型

本文模型與Train-on-SOURCE-only，Domain Adaptation，Machine Translation，CLD-based CLTC和ADAN等基準(zhǔn)模型做了對比實(shí)驗(yàn)。

Train-on-SOURCE-only[23]模型：Logistic Regression和DAN在源語言英語上進(jìn)行訓(xùn)練，并且只依靠雙語詞嵌入BWE(Bilingual Word Embeddings)對目標(biāo)語言進(jìn)行分類。

Domain Adaptation模型:在域自適應(yīng)中，廣泛使用Sinno等[24]的模型并不奏效，因?yàn)樗枰獦颖緮?shù)量(650 000)的二次空間。因此，本文將其與Chen等[25]提出的mSDA模型相比較，后者是對亞馬遜評論進(jìn)行跨領(lǐng)域情感分類非常有效的模型。

基于Machine Translation CLSC[26]模型： 根據(jù)機(jī)器翻譯的2種模型Logistic Regression+MT和DAN+MT評估本文模型。

CLD-based CLTC(Cross-Lingual Distillation-based Cross-Lingual Text Classification)模型:Xu等[27]提出了一種跨語言提取CLD模型，該模型利用并行語料庫上的預(yù)測來訓(xùn)練目標(biāo)語言CLD-KCNN(Cross-Lingual Distillation-Knowledge-aware Convolutional Neural Network)，并進(jìn)一步提出了一種改進(jìn)的變體CLDFA-KCNN(Cross-Lingual Distillation with Feature Adaptation-Knowledge-aware Convolutional Neural Network)，該變體利用對抗性訓(xùn)練來彌補(bǔ)源語言和目標(biāo)語言中標(biāo)記和未標(biāo)記文本之間的領(lǐng)域差距。

ADAN(Adversarial Deep Averaging Network)模型[28]:該模型由CNN和GAN神經(jīng)網(wǎng)絡(luò)組成，其中CNN負(fù)責(zé)提取句子中的特征，GAN負(fù)責(zé)學(xué)習(xí)雙語語言特征。

4.3.2 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)對本文所提模型的有效性進(jìn)行驗(yàn)證，在越南語數(shù)據(jù)集上證明模型的有效性。實(shí)驗(yàn)結(jié)果如表3所示。

Table 3 Experimental results on Chinese-Vietnamese data set 表3 漢越數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果 %

為了驗(yàn)證本文所提出的基于情感語義對抗的無監(jiān)督跨語言情感分類模型的泛化性，本文還在文獻(xiàn)[13]中公布的公共數(shù)據(jù)集上將性能最優(yōu)的“本文模型”與上述基準(zhǔn)模型的性能作對比，對比實(shí)驗(yàn)結(jié)果如表4所示。實(shí)驗(yàn)表明了情感語義對抗的有效性與泛化性。具體分析結(jié)果如下：

Table 4 Accuracy comparison of models on yelp dataset and Chinese hotel dataset表4 yelp和中文酒店數(shù)據(jù)集上模型準(zhǔn)確率對比 %

(1)Train-on-SOURCE-only基準(zhǔn)模型中的Logistic Regression使用標(biāo)準(zhǔn)的監(jiān)督學(xué)習(xí)算法，此外，本文還評估了模型的一個(gè)非對抗變量，即DAN模型，它是情感分類的現(xiàn)代神經(jīng)模型之一。與SADAN相比，僅基于源語言的基線模型表現(xiàn)不佳，這表明BWE本身不足以轉(zhuǎn)移知識。

(2)mSDA的表現(xiàn)并不具有競爭力，這可能是因?yàn)榘╩SDA在內(nèi)的許多領(lǐng)域適應(yīng)模型都是為使用詞袋特征而設(shè)計(jì)的，但這種模型并不適合本文的任務(wù)，因?yàn)?種語言的詞匯完全不同。這表明即使是域自適應(yīng)算法也不能在CLSC任務(wù)中使用現(xiàn)成的BWE。

(3)SADAN模型在2種語言上都顯著優(yōu)于機(jī)器翻譯基準(zhǔn)模型，這表明本文的對抗模型可以在沒有任何目標(biāo)語言注釋數(shù)據(jù)的情況下成功地進(jìn)行跨語言情感分類。

(4)與CLD-based CLTC基準(zhǔn)模型相比較，可以看出本文SADAN模型使中文準(zhǔn)確率有了顯著提升，CLD-based CLTC模型使用對抗式訓(xùn)練在單一語言中進(jìn)行領(lǐng)域適應(yīng)，而本文直接使用對抗式訓(xùn)練進(jìn)行跨語言概括比較，證明了本文SADAN模型的有效性。

(5)ADAN模型僅僅得到語義對齊，而本文模型得到雙語情感語義對齊，證明了本文模型的有效性。

由此可見，本文的分類模型相對其他基準(zhǔn)模型具有更高的準(zhǔn)確率。

4.3.3 拼接是否為情感詞對模型準(zhǔn)確率的影響

為了證明本文提出的融合情感詞典來指導(dǎo)跨語言情感分類對本文模型的有效性，本文在漢越和中英數(shù)據(jù)集上進(jìn)行了一組簡單的消融實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表5所示，“(-)情感詞”表示未使用情感詞輔助指導(dǎo)跨語言情感分類，僅使用語句中的情感無關(guān)隨機(jī)詞。

Table 5 Ablation experimental results about the emotional words for splicing 表5 拼接是否為情感詞消融實(shí)驗(yàn)結(jié)果 %

由表5可知，在本文模型中使用情感詞拼接時(shí)，較無情感詞拼接的模型準(zhǔn)確率提高了4%。由此證明，在跨語言任務(wù)當(dāng)中，拼接情感詞可以豐富短文本的表征，從而提高了模型的準(zhǔn)確率。

4.3.4 有無對抗網(wǎng)絡(luò)對模型準(zhǔn)確率的影響

為了證明本文提出的使用對抗網(wǎng)絡(luò)輔助來指導(dǎo)跨語言情感分類方法對本文模型的有效性，本文在數(shù)據(jù)集上進(jìn)行了是否應(yīng)該有對抗網(wǎng)絡(luò)的消融實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表6所示，“(-)對抗”表示未使用對抗網(wǎng)絡(luò)輔助來指導(dǎo)跨語言情感分類。

Table 6 Ablation experimental results about the against network 表6 是否有對抗網(wǎng)絡(luò)消融實(shí)驗(yàn)結(jié)果 %

由表6可知，在本文模型中，當(dāng)使用對抗網(wǎng)絡(luò)時(shí)，準(zhǔn)確率較高。由此證明，在跨語言任務(wù)當(dāng)中，對抗也可以在一定程度上拉近不同語言的語義空間。

4.3.5 拼接情感詞長度選擇對模型準(zhǔn)確率的影響

為了證明拼接不同長度情感詞來指導(dǎo)跨語言情感分類對本文模型的有效性，本文在漢越和中英數(shù)據(jù)集上進(jìn)行了拼接情感詞長度選擇的消融實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表7所示，“(mean)情感詞平均個(gè)數(shù)”表示使用訓(xùn)練中情感詞的平均長度進(jìn)行補(bǔ)齊來指導(dǎo)跨語言情感分類，“(max)情感詞個(gè)數(shù)”表示使用訓(xùn)練中情感詞的最大長度進(jìn)行補(bǔ)齊來指導(dǎo)跨語言情感分類 。

Table 7 Results of the ablation experiment on the number of emotional words表7 情感詞個(gè)數(shù)消融實(shí)驗(yàn)結(jié)果 %

由表7可知，在本文模型中，在原來評論句子的基礎(chǔ)上，加入情感詞后，準(zhǔn)確率較基準(zhǔn)ADAN模型有一定提升，說明情感詞拼接的個(gè)數(shù)可以影響模型的準(zhǔn)確率，當(dāng)情感詞拼接個(gè)數(shù)取該批次中情感詞長度的平均值時(shí)，模型效果達(dá)到最佳。

情感詞拼接個(gè)數(shù)的增加會(huì)使情感相關(guān)特征得到擴(kuò)展，從而達(dá)到更好的分類效果。而情感詞增加到該批次的最大數(shù)量時(shí)，準(zhǔn)確率開始逐漸下降。英文Yelp的評論數(shù)據(jù)和中文酒店相關(guān)的評論數(shù)據(jù)截然不同，但在拼接了該批次的情感詞平均長度后，模型準(zhǔn)確率也有明顯提升，準(zhǔn)確率達(dá)到了45.65%；當(dāng)拼接的情感詞數(shù)量增加到批次長度限制的時(shí)候，準(zhǔn)確率有顯著下降。這說明隨著拼接情感詞個(gè)數(shù)增加，卷積層從情感詞和評論句子拼接后的向量中學(xué)習(xí)到的特征會(huì)更分散，這時(shí)候情感詞的加入反倒產(chǎn)生了噪聲，導(dǎo)致準(zhǔn)確率在后續(xù)不再增長。因此，拼接的情感詞個(gè)數(shù)不是越多越好。

5 結(jié)束語

本文研究旨在提升無標(biāo)注的低資源目標(biāo)語言的情感分類的準(zhǔn)確率。針對不同語言之間存在語義鴻溝等導(dǎo)致分類準(zhǔn)確率低這一問題，本文利用有豐富標(biāo)記數(shù)據(jù)的源語言輔助無標(biāo)注數(shù)據(jù)的目標(biāo)語言，提出基于情感語義對抗的跨語言情感分類模型。本文模型在自制的漢越數(shù)據(jù)集和CLSC公共數(shù)據(jù)集上均取得了顯著效果。當(dāng)前，針對低資源語言的跨語言情感分析仍然是情感分析領(lǐng)域的研究熱點(diǎn)和難點(diǎn)。在未來工作中，將針對低資源語言信息檢索展開進(jìn)一步研究，在提高分類準(zhǔn)確率的同時(shí)，在細(xì)粒度方面展開進(jìn)一步研究。