基于多任务联合学习的情绪分类

情绪分析是使用自然语言处理相关方法对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。现存的情绪分析的方法主要分为两类，一是基于词典和规则的方法，二是基于多类分类的机器学习方法。

目前已有的面向中文文本的情绪分析的研究主要使用单一模式的正负向分类方法，而现实中社交网络中文本的情绪类别往往更为细致，清博针对此类问题提出了一种包含乐、哀、好、怒、恶、惊、惧共7个大类和22个细分子类的情绪分析方法，对训练数据预处理、采用交叉验证、算法模型结合反馈的方式进行标注，并且针对部分情绪数据量不足的通过半监督的方式进行扩充。最终在文本情绪分类任务上达到82%的大类总体正率及0.80的整体 F1-Score。