《情感信息抽取的資源建設及關鍵技術研究》是依託蘇州大學，由李壽山擔任項目負責人的面上項目。
基本介紹
- 中文名：情感信息抽取的資源建設及關鍵技術研究
- 項目類別：面上項目
- 項目負責人：李壽山
- 依託單位：蘇州大學
項目摘要,結題摘要,
項目摘要
情感信息抽取是情感分析的一個核心任務，旨在從文本中抽取出各種情感信息。該任務在電子商務、信息安全等領域具有廣泛的套用需求,同時也是句子級深層次語義理解的一個重要組成部分。針對目前情感信息抽取研究中存在的信息類型匱乏、情感信息建模困難及語料資源領域依賴等問題，本項目將開展以下研究：1）定義包含豐富類型的情感信息分類體系，並在該分類體系下，構建覆蓋多個領域一定規模的高質量標註語料；2）使用淺層語義分析模型對多種情感信息類型抽進行聯合建模，將情感信息抽取的對象當作情感表達的語義角色，以充分利用各種結構化句法信息；3）提出基於元學習的多領域融合方法以有效集成多個領域的分類信息，充分使用來自所有領域的有限標註資源；4）提出基於層級主動學習的領域自適應情感信息抽取方法，有效解決目標領域中的標註語料缺乏問題。
結題摘要
本課題旨在進行情感信息抽取的資源建設及關鍵技術研究，重點研究細粒度與粗粒度的情感分類融合方法，並提出了一種基於機率圖模型的細粒度情緒分類方法。此外，本課題還提出了一種聯合學習方法可以有效提升跨領域情感回歸任務的性能，為情感分類的進一步研究打下了堅實的基礎。 四年來，課題總體進展順利，所有研究計畫已按照要求完成，達到預期目標。特別是：（1）在細粒度與粗粒度的情感分類融合方法方面，提出了基於整型線性規劃方法，能夠讓情緒分類和情感分類的結果互相幫助，進一步提升各自的分類性能；（2）在細粒度情緒分類任務上，提出了基於機率圖模型的分類方法，能充分利用句子的上下文信息及情緒標籤之間的依賴信息，提高句子級別情緒分類的性能；（3）在跨領域情感回歸任務方面，提出了一種聯合學習方法，有效提升情感回歸的領域適應性能。 四年來，發表國際頂級會議IJCAI/ACL/EMNLP/COLING/DASFAA論文14篇。
