融合BiLSTM、GRU与LSTM的混合深度循环架构用于社交媒体情感分析

《Engineering Applications of Artificial Intelligence》:Hybrid deep recurrent architecture for emotion analysis on social media

【字体: 大 中 小 】 时间:2026年05月17日 来源:Engineering Applications of Artificial Intelligence 8

编辑推荐:

  社交媒体平台已成为人们表达与分享情绪的常见空间,这类使用行为会直接影响个体的情绪与生理健康。从社交媒体使用行为中识别情绪状态模式,有助于发现压力、负面情绪转变及心理健康风险的早期信号,精准的情绪检测可支持及时的数字健康干预。本研究基于社交媒体使用数据预测用户的

  
社交媒体平台已成为人们表达与分享情绪的常见空间,这类使用行为会直接影响个体的情绪与生理健康。从社交媒体使用行为中识别情绪状态模式,有助于发现压力、负面情绪转变及心理健康风险的早期信号,精准的情绪检测可支持及时的数字健康干预。本研究基于社交媒体使用数据预测用户的主导情绪状态,输入特征涵盖每日使用时长、发帖活跃度、点赞、评论及消息交互行为。研究人员提出了一种融合双向长短期记忆网络(BiLSTM)、门控循环单元(GRU)与长短期记忆网络(LSTM)的混合深度学习循环网络架构,以有效捕捉情绪的时间与上下文模式。实验结果表明,该混合模型性能优于LSTM、GRU、BiLSTM等现有主流架构,分类准确率达99.28%,且在各类别上的情绪识别稳定性更高。
该研究发表于《Engineering Applications of Artificial Intelligence》,聚焦社交媒体场景下的情绪识别及其对心理健康监测的支撑作用。当前,社交媒体已深度嵌入公众日常交流,用户发布的海量内容承载了丰富的情绪与心理状态信息,其情绪波动往往先于焦虑、压力等临床表征出现,因此可作为心理健康风险的早期预警窗口。然而,社交媒体文本普遍存在简短、口语化、含俚语与表情符号、语义模糊及混合情绪等特点,传统基于词典或机器学习的模型依赖人工特征设计,难以应对语言的动态演化与复杂语境;单一深度学习模型虽提升了特征学习能力,但无法同时兼顾上下文语义与时序依赖,Transformer类模型则面临标注数据需求大、计算成本高的局限。针对上述不足,研究人员提出融合LSTM、BiLSTM与GRU的混合深度循环架构,旨在实现更稳定、精准的多类别情绪识别。
研究采用的关键技术方法包括:使用Kaggle平台的公开社交媒体数据集,包含快乐、悲伤、愤怒、焦虑、无聊与中性6类情绪标签,针对原始数据分布不平衡问题实施预处理;构建多分支混合循环神经网络,并行集成LSTM、BiLSTM与GRU模块以分别捕捉单向时序、双向上下文及简化门控特征;通过对比实验验证模型性能,基线涵盖9种主流深度学习架构。
研究结果部分的主要发现如下:
相关研究工作:早期研究多采用决策树、随机森林与支持向量机(SVM)结合语言学特征的方法,虽取得一定效果,但无法建模文本的上下文语义与序列模式;后续引入的LSTM、GRU等循环神经网络提升了时序特征提取能力,但单一模型仍存在特征覆盖不全的问题。
方法与材料:数据集来自Emirhan于2023年发布的Kaggle资源,其中快乐与中性类别样本占比最高,愤怒与无聊类别样本最少,存在显著类别不平衡;研究人员通过数据清洗与重采样缓解噪声与失衡问题,为模型训练提供标准化输入。
结果分析:混合模型在六分类任务中整体表现最优,准确率显著高于单一LSTM、GRU及BiLSTM模型;LSTM模型对中性与悲伤类别易混淆,GRU对快乐类别区分度较高,BiLSTM借助双向上下文建模提升了类别分离能力,但均不及混合模型的综合性能。
讨论:混合模型在多类别情绪识别的各项评估指标上均保持稳定,证明社交媒体使用行为中的情绪模式具有非线性与复杂性,需多分支结构协同捕捉不同维度的时序与上下文线索;该架构相比单一模型更能应对短文本、混合情绪的识别挑战。
结论:研究通过预处理去除冗余信息后,将标准化文本输入混合模型,其多分支结构可有效区分特征相近的情绪类别,实现对社交媒体用户主导情绪状态的精准预测,为数字健康干预提供了可靠的技术支撑。
CRediT作者贡献声明:Shamik Tiwari负责数据管理、文献调研、初稿撰写与研究设计;Amar Shukla负责方法论构建、形式化分析、模型开发、数据管理、 manuscript撰写、修订与编辑及研究设计。
利益冲突声明:作者声明不存在可能影响本研究客观性的已知竞争性财务利益或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号