社交媒体中文本情感语义计算理论和方法

Social media is a collective of online communications channels that on the basis of social network and with the form of user generated content. In social media these exists a huge number of subjective text contexts expressing user's sentiment, which could have a strong influence on the real world. Therefore, it is of great importance in terms of both theoretical and practical contributions to thoroughly study sentiment analysis in social media and to understand the deep semantics of texts. In this project, we focus on understanding the deep semantics of texts in Chinese social media by capturing the characteristics of sentiment analysis and social media. Towards this goal, we first introduce a representation learning framework to represent the semantics of texts in social media. Based on the representation learning framework, we study the sentiment semantics of texts in social media from different perspectives, including explicit and implicit sentiment analysis of text, sentiment of individual and community in social media, and sentiment understanding through sentiment cause detection and sentiment prediction. Our goal is to build up a sentiment-specific semantic computational theory of texts in social media, and to develop computational approaches for sentiment computing. As a result, this project will broaden the application of sentiment analysis in social media, and provide technical support to social management, e-commerce and related domains such as artificial intelligence.

社交媒体是以社会网络为基础，互联网用户发表和分享信息为主要形式的在线交互媒体。在这些信息中包含大量的用户情感文本信息，并通过社交媒体影响现实世界。因此，对社交媒体中的情感文本进行全面、深度的语义分析有着重要的理论意义和应用价值。本课题结合文本情感表达和社交媒体的特点，探索社交媒体中文本情感在多角度下深层语义关系。首先提出了社交媒体情感文本语义表示模型，在此基础上，从情感文本表达层面研究显式和隐式情感分析，在社交媒体层面研究用户个性化情感分析和群体情感分析，在情感理解层面研究情感原因发现和情感预测，从不同层面对社交媒体中文本情感语义展开立体交叉研究。本课题的研究将建立一套面向社交媒体文本的情感语义计算理论、方法和框架，实现一个面向社交媒体的文本情感语义技术集成开放平台，为广大研究者和企业开发者提供技术支持，本课题研究成果将拓展社交媒体情感分析应用，为相关学科发展和国家重大需求提供有力支撑。

本项目针对社交媒体文本中情感表达的特点，提出并实现了一套完整的面向社交媒体的情感语义表示与计算理论体系，该体系包括：1）文本情感语义表示，结合社交媒体中“事件”和“用户”的特色，提出了融合多种情感语义的表示方法和学习算法，为面向社交媒体的情感计算奠定了语义表示基础；2）基于语义表示的显式情感分析，重点研究了社交媒体中的面向评价对象的情感分类、立场检测、跨领域情感分类等任务，属于情感计算的基础研究；3）基于语义表示的隐式情感分析，在认知语言学的指导下，构建了隐式情感定义、分类体系和建模理论，增强了社交媒体文本情感分析研究的深度和广度；4）社交媒体中的个体情感语义分析，重点研究社交媒体的重要参与者“用户”的个性化建模，为面向扶贫工作的用户画像提供技术支持；5）社交媒体中的群体情感语义分析，重点研究群体语义表示、群体情感演化和可视化等，为舆情分析提供了技术支持；6）社交媒体中的情感原因发现与预测，重点研究个体及群体情感产生的原因，以及群体情感预测。项目组首次构建了隐式情感分析研究体系，积极探索了幽默、反讽、双关语、隐喻等复杂的修辞型与事实型隐式情感类型；构建了世界上首个文本情感原因发现开放数据集，相关数据集和工作范式在世界范围内得到广泛使用。基于以上研究，本项目已经积累了丰富的研究成果，共发表论文234篇，已授权专利13项，获2019年度黑龙江省科技进步二等奖。相关研究成果被集成到“微博情绪地图”舆情分析系统中，尤其是对新冠肺炎的分析成果得到了中央网信办的认可，此外还有相关成果在面向扶贫工作的用户画像中进行了系统集成，在服务国家脱贫攻艰总体战略的同时验证了其应用价值。项目组成员于2021年成功获批了中文信息学会情感计算专委会（筹），并举办了国内首届情感计算大会。此外，项目组核心成员连续六次举办“情感计算”主题的技术论坛，成功推广了情感计算技术。