摘要：传统情感分类研究须手工标注情感特征,未考虑语料中词语间深层语义关系,且不能对隐式情感语句进行分类的弊端,为此提出基于深度学习的维吾尔语语句隐式情感分类算法。通过word2vec获得每个词语的向量表示,用于表示语料中词语间的深层语义关系;将词向量与词性特征线性组合,产生句子的向量表示;利用栈式自编码,从大规模无标注隐式情感向量表示中自动学习特征,通过softmax分类器完成维吾尔语语句分类。该方法准确率达到90%以上,验证了深度学习在隐式情感分类任务上的有效性。

摘要：提出一种基于栈式自编码神经网络(SAE)的维吾尔语语句情感倾向分析方法。利用深度学习思想,将高维的维吾尔语语句空间特征向量变换到新的低维特征空间,学习并提取维吾尔语语句中隐含的语义特征。为提高特征对文本语义的表达,将富含词汇语义及上下文位置关系的句向量特征与情感特征组合进行融合,训练栈式自编码器,通过引入softmax层完成维吾尔语语句的情感分类。通过实验优选模型隐层层数、句向量维度,同传统的情感分类方法进行比较,实验结果表明,该方法更适用于维吾尔语语句情感倾向分析,微平均值为90.4%,宏平均值为90.5%。

摘要：在分析维吾尔语词性规则和语法特征的基础上,以维吾尔语评论性语句为研究语料,提出了一种基于Bootstrapping算法的意见挖掘关系抽取方法。在每一次迭代过程中,根据改进的评分公式选取最优模式抽取主题词-意见词对;迭代结束后,对于主题-意见词对为空的评论语句,使用最近匹配算法抽取主题-意见词对;用并联模式和否定模式对抽取的主题-意见词对进行扩展和修正。关系抽取的最终目标是为每一个评论性语句建立一个或多个二元组,并使主题词和意见词一一对应。实验结果表明了该方法在关系抽取上的有效性。

摘要：目前的情感分析研究大部分仅局限于能够明显地表达意见的主观性文本,却没有对一些隐含地表达情感的文本进行分析。针对这一不足,提出一种基于条件随机场(CRFs)模型的意见挖掘中维吾尔语文本隐式情感分析方法。利用互信息(MI)衡量上下文的依赖度,结合词法、语境依赖词、标点符号和习语等特征用于隐式情感分析。在特征选择时,通过对信息增益(IG)进行改进,解决语料中数据集不平衡的问题。该方法用于维吾尔语文本隐式情感分析的准确率为77.11%,召回率为78.37%,表明了其在意见挖掘中隐式情感分析任务上的有效性。

摘要：提出维吾尔语情感语料库的构建规范,设计和实现维吾尔语情感语料库辅助整理系统。该系统结合维吾尔语情感语料的具体特点,多方面分析维吾尔语情感词汇的特征,利用条件随机场(CRFs)模型进行维吾尔语情感词汇的自动识别。测试结果验证该系统能够大幅度降低人工劳动,高效快速地标注维吾尔语情感词语料。