多语言环境下文本情感语义计算关键技术研究

The multi-lingual characteristic of Web texts brings great challenges and opportunities for text sentiment analysis. In this project, we will investigate the key techniques of text sentiment analysis in the multi-lingual environment, including cross-language word representation learning, cross-language sentiment classification, cross-language opinion extraction, cross-language stance detection, and multi-lingual comparative opinion extraction and summarization. The purpose of this project is to eliminate the language barrier for sentiment analysis in different languages, and mine and summarize the cognition and cultural differences from multi-language texts. The expected results of this project include great academic achievements and multi-language sentiment resources and a sentiment analysis platform.

互联网多语言特性给文本情感分析技术的研究带来了巨大的挑战和机遇。本项目重点研究多语言环境下的文本情感语义计算技术，包括跨语言词语表征学习、跨语言情感分类、跨语言观点抽取、跨语言立场分析，以及多语言观点比对与摘要。本项目的研究目标为提出创新性方法克服情感分析研究领域的语言壁垒，推动面向不同语言的情感分析研究工作的进展，并总结多语言文本中所蕴含的认知和文化差异。本项目将争取在情感分析方面取得新的学术突破，并为业界提供多语言情感资源与情感分析平台。

文本情感计算是自然语言处理与人工智能领域的研究热点，在舆情分析、电子商务等领域具有重要的应用价值。本项目基于深度学习技术，对多语言互联网文本进行高精度情感分析，同时实现情感文本的自动概括与生成。本项目在跨语言跨领域情感分类、跨模态情感分析与反讽检测、情感文本生成、观点摘要等方面均进行了深入探索并取得一流学术成果，相关论文分别发表于SIGIR、IJCAI、ACL、NeurIPS、AIJ等顶级国际会议与期刊。其中，关于情感文本生成的论文荣获人工智能顶级国际会议IJCAI2018杰出论文奖。依托本项目构建了一支“小而精”的团结创新的科研团队。