基于情感知识库构建、领域适应和终身学习的社交媒体情感分析方法

Social media sentiment analysis has been a research frontier and hotspot in the field of natural language processing and text mining. It is also an important application that needs to be further solved in the social network and big data society. Although the traditional sentiment analysis techniques have been widely concerned and in-depth studied, the characters of social media texts, such as “feature-sparse”, “topic-dynamic” and “data-massive”, have brought new challenges in sentiment analysis. In order to solve these problems, in this project, we propose a new social media sentiment analysis framework, from the perspective of sentiment lexicon construction, text representation, data sampling and lifelong learning. We first propose an automatic social media sentiment lexicon construction method via a combination of statistic information and linguistic knowledge. On this basis, we propose a social media text representation method via synonym expansion and antonym replacement, a social media data importance sampling method via instance weight regularization, and a social media lifelong machine learning algorithm via incremental stacking learning, respectively. The final goal of this project is to set up a domain adapted, large scale suitable, and continuously learned social media sentiment analysis system.

社交媒体情感分析是自然语言处理和文本挖掘领域的前沿问题和研究热点，也是社交网络和大数据时代情感分析技术面向应用辄需解决的重要问题。尽管传统的情感分析已经得到广泛关注和深入研究，然而社交媒体文本的“特征稀疏、话题动态、数据海量”等特点，给情感分析研究带来了新的挑战。本项目针对上述问题，从情感知识库构建、文本表示、数据采样和终身学习的角度，提出一种社交媒体文本情感分析统计机器学习模型新框架。首先提出融合统计信息和语言知识的社交媒体领域情感知识库自动构建方法，在此基础上，提出基于同义扩展和反义置换的文本表示特征迁移方法、基于权重抑制正则化的领域适应权重采样算法和基于堆栈式增量学习的海量动态数据终身学习模型，最终建立一个高效鲁棒的、领域自适应的、适合大规模数据场景的、不断学习和更新的社交媒体情感分析系统。

社交媒体情感分析是自然语言处理和文本挖掘领域的前沿问题和研究热点，也是社交网络和大数据时代情感分析技术面向应用辄需解决的重要问题。本项目针对社交媒体文本“特征稀疏、话题动态、数据海量”等特点，主要开展了以下四个方面的研究工作：1．社交媒体文本情感分析文本表示与情感分类模型研究；2．社交媒体文本情感分析数据采样与领域适应问题研究；3．社交媒体文本领域情感知识库构建与情感分析终身学习模型研究；4．社交媒体文本情绪分析与原因抽取问题研究。项目执行期间，项目负责人以第一或通讯作者发表高水平论文18篇，其中在自然语言处理和人工智能领域的顶级会议ACL、EMNLP、AAAI、IJCAI、COLING发表论文11篇，由清华大学出版社出版学术专著1部，申请国家发明专利11项，获得授权1项。获得自然语言处理领域顶级会议ACL2019杰出论文奖。面向国家网络信息内容安全需求，项目组研制了一套针对网络突发事件的应急演练系统，并在江苏省网信办获得成功应用。