基于提示嵌入的突发公共卫生事件微博文本情感分析

【目的】为解决突发公共卫生事件初期微博数据量较少和口语化表达较多导致情感分析效果不佳的问题,提出一种基于提示嵌入和情感特征融合的微博情感分析模型。【方法】根据构建的情感词典提取微博文本情感信息;使用RoBERTa预训练模型提取语义向量和情感向量,将提示作为前缀嵌入语义向量,使用Transformer编码器和注意力机制分别提取语义特征与情感特征;然后使用焦点损失函数计算样本特征权重;最后,将语义特征与情感特征融合得到情感分析结果。【结果】以突发公共卫生事件中深圳新型冠状病毒感染疫情微博评论数据为例,所提情感分析模型的准确率和F1值分别达到93.46%和93.49%,较基准模型BERT分别提升6.78和6.97个百分点。【局限】微博数据存在大量图片和视频内容,未融合多个模态进行情感分析。【结论】所提模型基于提示嵌入与情感特征融合,可提升样本数据少时的情感分类效果,对其他同类情感分析研究具有借鉴意义。