《Sentiment Analysis of Chinese Microblog Based on Stacked Bidirectional LSTM》论文阅读笔记

文章名：《Sentiment Analysis of Chinese Microblog Based on Stacked Bidirectional LSTM》

作者：JUNHAO ZHOU1 , YUE LU1 , HONG-NING DAI 1 , (Senior Member, IEEE), HAO WANG 2 , (Member, IEEE), AND HONG XIAO3

年份 2019

1 Introduction

当前的微博不再只是人们分享日常和趣事的平台，而且也是针对当前热点事件等可以发表个人言论和感受的网络站点。因此如何在微博段评论中提取有效信息成为研究热点。

A.Motivation

当前有很多研究微博短评的技术，基于词典和外部知识库等，目前遇到的挑战主要有以下几点：

（1）同一词在不同文本中表达的含义不一样。

（2）由于微博短评特点，用户表达情感极性词很经常是俚语或者其他非正式中文表达。

（3）微博评论文本长度有限，可以有几个单词或者一个句子组成一条评论。有许多隐含的上下文特征通常很难发现。当前的很多技术也没有关注上下文本特征，没有关注到长距离文本依赖最终判断情感极性造成失误。

‘‘Why are they so mean? This 8-minute show exhibited so many Chinese elements, Chinese technologies as well as our people’s enthusiasm and confifidence. The director Yimou Zhang has already tried his best. I really can’t understand

these people!’’ 举例，本条评论关注长距离文本依赖后，可以判断最终极性是负面的。

 

B.Contributions

首次提出Continuous Bag-of-Words（CBOW）和Stacked bi-directional Long short-term memory（Stacked Bi-LSTM）两者结合的新模型，优势融合，缺点互补。

主要贡献如下：

a.结合两种模型优点，例如有学习有效丰富的语义信息和上下文信息。

b.通过分析研究从微博上爬取的约3000条评论（已标记情感极性，正负对半）。

c.对模型实验结果进行全面评估，包括训练中调整的参数等等。

2 Related Works

把现有的研究分成两种类型：（1）基于传统机器学