论文部分内容阅读
在社交媒体中，存在大量的反讽和讽刺等语言现象，这些语言现象往往表征了一定的情感倾向性。然而这些特殊的语言现象所表达的语义倾向性，通常与其浅层字面含义相去甚远，因此加大了社交媒体中文本情感分析的难度。鉴于此，本文主要研究中文社交媒体中的讽刺语用识别任务，构建了一个覆盖反讽、讽刺两种语言现象的语料库，基于此挖掘反讽和讽刺的语言特点。本文通过对比一些有效领域特征，验证了在反讽和讽刺文本的识别中，其结构和语义等深层语义特征的重要性。基于此，提出了一种有效的多特征融合的混合神经网络判别模型，融合了卷积神经网络与LSTM序列神经网络模型，通过深层模型学习深层语义特征和深层结构特征，该模型获得了较好的识别精度，优于传统的单一的神经网络模型和BOW(Bag-of-Words)模型。