一種融合Bert預訓練和BiLSTM的場景遷移情感分析研究＊

楊秀璋，宋籍文，武 帥,3，廖文婧，任天舒，劉建義

(1.貴州財經大學信息學院，貴州 貴陽 550025；2.貴州高速公路集團有限公司；3.漣水縣財政局)

0 引言

隨著微博、博客、網頁新聞等領域的出現，網絡輿情已成當下研究熱點。現階段表現較好的機器學習方法大都依賴于標注大量原始文本數據，再對測試數據進行處理，通常訓練集和測試集均需來源于相同領域、平臺或場景的數據。然而，這些方法較難對場景遷移或跨平臺、跨領域的輿情事件進行情感分析研究，且遷移場景的輿情態勢感知越來越重要。因此，如何高效地檢測場景遷移和跨平臺輿情事件的情感傾向和走勢，將是未來研究重點，且能減少數據標注花費的精力，讓模型具有更強的魯棒性和準確性。

針對上述問題，本文提出一種融合Bert (Bidirectional Encoder Representations from Transformers)預訓 練和BiLSTM(Bi-directional Long Short-Term Memory)的場景遷移情感分析模型，該模型能在少量數據標注的情況下，對未知類型進行預測并有效解決數據漂移問題。該模型將對微博輿情事件數據集進行訓練，然后遷移預測知乎輿情事件的情感傾向，最終體現模型對遷移場景具有較好的魯棒性和準確性。此外，本文通過詳細的對比實驗有效評估Bert-BiLSTM 模型的性能，這優于團隊之前的相關工作，即對“巴黎圣母院火災”輿情事件和“新冠肺炎疫情”輿情事件進行情感分析，并且該模型能應用于跨目標、跨領域、跨事件的輿情監測和情感分析。

1 相關研究現狀

二十一世紀以來，情感分析作為自然語言處理領域的重要研究熱點，在網絡輿情、文本挖掘領域均有較為廣泛的研究范疇。……