意见挖掘中隐式情感的资源建设和自动分析研究

In recent years, sentiment analysis has become a popular topic of natural language processing and social computing. Implicit sentiment analysis is an important part of sentiment analysis. However, due to the deficiency of related work, it is far from building large-scale annotation resources and computational approaches. This proposal will focus on the characteristics of implicit sentiment phenomena, and build a corpus resource for Chinese implicit sentiment phenomena. Based on it, this proposal will explore the automatic recognition by designing a context-based neural network model and a deep text inference model based on knowledge graph. This proposal helps to construct the annotation resource for Chinese implicit sentiment, and explore the semantic understand of Chinese implicit sentiment analysis. This proposal promotes the development of knowledge graph, deep learning and text inference in sentiment analysis, and further improves the research of Chinese sentiment analysis.

情感分析是近年来自然语言处理和社会计算的热门研究话题。隐式情感分析作为情感分析的重要组成部分，相关研究非常缺乏，暂无相关大规模标注资源和分析模型。本项目拟研究汉语隐式情感的资源建设和自动分析技术。为此，本项目将探讨汉语隐式情感表达现象，建立一个汉语隐式情感标注资源，提出基于上下文的神经网络模型和基于知识图谱的深度文本推理模型来自动分析汉语隐式情感。本项目有助于构建面向汉语的隐式情感标注资源，探讨面向汉语隐式情感分析的语义理解关键技术，推动知识图谱、深度学习和文本推理技术在情感分析中的应用，进一步完善汉语情感分析研究。

情感分析旨在识别一个给定文本所蕴含的情感极性，近年来吸引了越来越多的研究注意。隐式情感分析作为情感分析的重要组成部分，目前相关研究非常缺乏。主要原因包括两点：一是缺乏用于隐式情感分析的标注资源，二是缺乏有效的用于隐式情感分析的模型。为此，本项目研究了汉语隐式情感的资源建设和自动分析技术。具体地，本项目探讨了汉语隐式情感表达现象，建立一个汉语隐式情感标注资源，提出基于神经网络模型的隐式情感分析模型和基于深度强化学习的注意力机制优化模型自动分析汉语隐式情感。本项目有助于构建面向汉语的隐式情感资源标注，探讨面向汉语隐式情感分析的语义理解，推动深度神经网络和深度强化学习在情感分析中的应用。此外，本项目也探索了神经网络模型在文本多标签情感分析，讽刺性文本检测，以及隐喻识别等任务中的应用，进一步完善情感分析研究。