主题感知的结构化语义表示框架用于希腊社交媒体情感分析

《Applied Sciences》：A Topic-Aware Structured Semantic Representation Framework for Sentiment Analysis in Greek Social Media

　　

希腊社交媒体文本的情感分析由于标注资源有限、语言变异和领域依赖的情感表达而仍然具有挑战性。本研究提出了一种主题感知的、词典引导的框架，用于希腊社交媒体中五个参考领域的情感分类。根据相关领域激活领域特定情感词典，并将其转换为结构化表示，包括词级多通道词汇矩阵和聚合词汇描述符。融合卷积神经网络（fusion CNN）结合这些互补组件来分类情感，同时保留显式的词汇证据以供检查。评估遵循无泄漏协议：词典仅从情感内部训练子集构建，验证数据用于模型选择，保留测试集用于最终评估。所提出的融合CNN在评估模型中取得了最强的保留测试集情感结果，准确率为0.8029，宏F1（Macro-F1）为0.7883，在当前实验设置下超过了TF-IDF+线性支持向量机（Linear SVM）和微调后的GreekBERT基线。消融结果表明，词级词汇矩阵和全局描述符提供互补信息。对于领域路由，GreekBERT后期融合实现了0.9162的准确率和0.9116的宏F1。当词典激活使用预测领域而非参考领域时，端到端情感流水线实现了0.7569的宏F1。这些发现表明，显式的领域特定词汇知识可以支持可解释的情感表示，同时使词汇覆盖和主题路由不确定性的影响可见。

论文解读文章

**研究背景与问题**
希腊社交媒体中的情感分析（Sentiment Analysis, SA）面临标注数据稀缺、语言变异和领域依赖情感表达等挑战。现有方法中，基于词典的方法虽可解释性强，但通常依赖聚合特征，丢失词级语义组织；深度学习方法如卷积神经网络（Convolutional Neural Network, CNN）和Transformer模型（如BERT）虽能捕捉上下文依赖，但依赖大规模标注数据且缺乏显式领域知识融入。大语言模型（Large Language Model, LLM）进一步提升了性能，但其隐式表示难以集成结构化语义知识。因此，研究人员提出一种主题感知的、词典引导的框架，旨在通过动态激活领域特定词典，构建显式结构化语义表示，以提升低资源语言（如希腊语）情感分类的可解释性和性能。该论文发表在《Applied Sciences》上。

**关键技术方法**
研究人员主要采用以下方法：（1）领域特定词典构建：基于希腊社交媒体推文，通过情感评分（Score_w）和词频-逆文档频率（Term Frequency-Inverse Document Frequency, TF-IDF）加权权重（Weight_w），从内部训练子集中无泄漏地构建五个领域（Health、Media、Politics、Society、Sports）的词典。（2）主题检测：使用GreekBERT后期融合（Late Fusion）模型，将[CLS]表示与10维全局词典特征向量拼接，实现领域路由。（3）情感表示与分类：将激活的词典转换为词级多通道词汇矩阵（6个通道）和全局词典描述符（10维），通过融合CNN（Fusion CNN）进行情感分类。数据集为1908条希腊语推文，来自2023年4-5月Twitter API，标注为连续情感分数（-5至+5）并二值化为正/负类。

**研究结果**
**8.1 主题检测结果**：通过验证集选择，GreekBERT后期融合模型在保留测试集上取得准确率0.9162和宏F1（Macro-F1）0.9116，优于经典机器学习模型（如线性SVM）和GreekBERT基线。领域间混淆主要集中在Politics和Society之间。

**8.2 情感分类结果与基线比较**：所提出的融合CNN在保留测试集上以准确率0.8029、宏F1 0.7883超越TF-IDF+线性SVM（0.7737/0.7589）和微调GreekBERT（0.7701/0.7643）。类别级分析显示模型对负类召回率较高（0.9182），但正类召回率较低（0.6435）。

**8.3 消融研究**：全局描述符仅用多层感知机（MLP）取得宏F1 0.7761，词级矩阵仅用CNN取得0.7526，融合CNN（0.7883）证明两者提供互补信息。

**8.4 领域级情感结果**：不同领域性能差异显著，Sports领域表现最佳（宏F1 0.8262），Society领域较挑战（0.5355），但部分领域子集样本量小且类别不平衡，结果需谨慎解读。

**8.5 参考领域与预测领域结果**：当使用参考领域标签激活词典时，融合CNN宏F1为0.7883；使用预测领域时，宏F1降至0.7569，量化了主题路由误差的影响。

**8.6 词汇分析与定性错误分析**：领域词典大小和极性分布差异显著（如Health仅9个词，Politics全为负极性）。定性错误分析表明，模型在依赖语用解释、实体特定立场或隐含情感时表现不足，例如讽刺、反讽及上下文依赖的词汇意义。

**讨论与结论**
讨论部分指出，所提出的显式词典引导表示在低资源希腊语社交媒体中有效补充了稀疏TF-IDF特征和上下文Transformer表示，但词典覆盖度和极性分布受限于训练语料，且无法完全解决语用歧义和隐含情感。结论部分总结如下：本研究提出了一种主题感知的、词典引导的结构化表示用于希腊社交媒体文本情感分类。框架激活领域特定词典，将其转换为词级多通道矩阵，并与全局描述符通过融合CNN结合，保留显式词汇证据。评估遵循无泄漏协议，在参考领域激活下，融合CNN取得保留测试集最佳性能（准确率0.8029，宏F1 0.7883）。消融研究证实词级矩阵与全局描述符互补。主题检测中GreekBERT后期融合达到0.9162准确率和0.9116宏F1。在预测领域激活下，端到端流水线宏F1为0.7569。词汇与定性分析表明，领域词典提供了可解释证据，但错误与语用歧义、实体依赖评价和隐含情感相关。未来工作应扩展至更多数据集，并整合实体感知与上下文建模机制以提升鲁棒性。