T3B: 深度学习与情感分析
内容简介：文本情感分析是社会媒体领域的热点问题之一，旨在自动地从社会媒体文本中发现和归纳主观情感信息。情感分析的一个核心问题是如何有效学习文本的各层次（如词语、句子、篇章）语义表示。本次报告针对情感分析任务探索文本的表示学习算法，首先介绍面向情感分析的词向量学习算法，有效区分上下文相似但情感极性相反的词语（如“好”，“坏”）；随后介绍如何从词向量通过语义组合获得句子、篇章的表示，并如何有效地利用其构建当前性能最好的文本情感分析系统；最后介绍如何利用神经网络算法进行细粒度情感分析与理解。
讲者: 唐都钰、张梅山
唐都钰博士，微软亚洲研究院自然语言计算组副研究员。主要从事文本情感分析、对话系统和自然语言处理等方面的研究。在ACL、EMNLP、TKDE、TASLP、IJCAI、COLING等国际高水平期刊和会议上发表学术论文10余篇。参加2014年国际评测SemEval中的Twitter情感分类任务，在45支国际参赛队伍中取得第2名。曾获2014年百度奖学金，2015年IBM全球博士英才计划奖。
张梅山博士，黑龙江大学副教授。2014年博士毕业于哈尔滨工业大学，2014年11月至2015年11月在新加坡科技与设计大学做博士后，2016年1月入职黑龙江大学。主要研究兴趣包括词法句法分析、情感分析以及深度学习，并在自然语言处理领域的知名国际会议上包括ACL、EMNLP、COLING、AAAI和IJCAI等发表论文多篇。
个人主页：http://zhangmeishan.github.io/
日程安排：
14:30-14:40
情感分析任务描述
介绍问答系统的基础、分类以及发展脉络。
14:40-15:20
面向文本情感分析的词向量
介绍如何在在词向量模型中如何融入文本情感信息，有效区分上下文相似但情感极性相反的词语（如“好”，“坏”），并支撑不同粒度的情感分析任务。
15:20-16:00
基于文本语义组合的句子级情感分析
目前流行的基于文本语义组合的句子表示方法，包括卷积神经网络、循环神经网络、递归神经网络等等
16:00-16:10
休息
16:10-16:50
基于层次化神经网络的篇章级情感分析
介绍如何通过层次化语义组合算法获得篇章的语义表示，并在此基础上融合用户个性化信息辅助文本情感分析。
16:50-17:30
基于神经网络的细粒度文本情感分析
细粒度情感分析需要分析情感表达的属性如评价对象、评价主体、评价短语等，本部分介绍如何利用神经网络算法构建当前最好的细粒度情感分析模型。