Page 164 - 《软件学报》2025年第5期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2025,36(5):2064−2078 [doi: 10.13328/j.cnki.jos.007180] [CSTR: 32375.14.jos.007180] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

*
基于高斯混合多层自编码器的情感漂移检测模型

张文跃 1 , 李 旸 2 , 王素格 3 , 廖 健 3

1
(山西财经大学 信息学院, 山西 太原 030006)
2
(山西财经大学 金融学院, 山西 太原 030006)
3
(山西大学 计算机与信息技术学院, 山西 太原 030006)
通信作者: 王素格, E-mail: wsg@sxu.edu.cn

摘 要: 社交网络情感数据最为显著的特征是其动态性. 针对群体文本情感漂移分析任务, 提出一种高斯混合多层
自编码器 (GHVAE) 用于情感漂移检测. GHVAE 将高斯混合分布作为潜在分布的假设先验, 对应潜在分布的多中
心性质从而提高模型性能. 此外, 还对原始 HVAE 模型内建的漂移度量算法进行改进, 改善了高漂移值之间过于接
近导致分类性能下降的问题. 采用多项对照实验和消融实验用于验证 GHVAE 的性能, 实验结果显示新模型的创
新点为其漂移检测表现带来了提升.
关键词: 情感漂移; 层次变分自编码器; 情感元分布; 漂移度量; 高斯混合
中图法分类号: TP18

中文引用格式: 张文跃, 李旸, 王素格, 廖健. 基于高斯混合多层自编码器的情感漂移检测模型. 软件学报, 2025, 36(5): 2064–2078.
http://www.jos.org.cn/1000-9825/7180.htm
英文引用格式: Zhang WY, Li Y, Wang SG, Liao J. Gaussian Mixture Based Hierarchical Auto-encoder Model for Sentiment Drift
Detection. Ruan Jian Xue Bao/Journal of Software, 2025, 36(5): 2064–2078 (in Chinese). http://www.jos.org.cn/1000-9825/7180.htm
Gaussian Mixture Based Hierarchical Auto-encoder Model for Sentiment Drift Detection

3
2
1
ZHANG Wen-Yue , LI Yang , WANG Su-Ge , LIAO Jian 3
1
(School of Information, Shanxi University of Finance and Economic, Taiyuan 030006, China)
2
(School of Finance, Shanxi University of Finance and Economics, Taiyuan 030006, China)
3
(School of Computer and Information Technology, Shanxi University, Taiyuan 030006, China)
Abstract: The most significant feature of social network sentiment data is its dynamic nature. Tackling public sentiment drift analysis,
this study proposes a Gaussian mixture based hierarchical variational auto-encoder (GHVAE) model for detecting sentiment drifts.
Specifically, the GHVAE applies Gaussian mixture distribution as the prior assumption of latent distribution, which corresponds to the
multi-center of the latent distribution property to improve model performances. Moreover, the built-in drift measurement algorithm in the
original HVAE model is revised to enlarge the distances among big drift scores and improve the classification performance. Several
contrast and ablation experiments are implemented to validate the performance of the GHVAE. The results indicate the novelties of the
GHVAE bring improvement in sentiment drift detection.
Key words: sentiment drift; hierarchical variational auto-encoder (HVAE); sentiment meta-distribution; drift measure; Gaussian mixture

随着互联网 Web 2.0 的深入发展, 社交网络用户在网上表达他们对不同事件的看法变得轻松而又频繁, 由此
产生了海量的群体文本情感数据亟待合适工具进行处理. 群体情感的一个重要特征是其动态性, 即群体情感分布
随着时间推移不断变化. 例如, 公众对灾难救援行动的情感是动态变化的, 当出现“救援难度增大”“遇难者人数增

* 基金项目: 国家自然科学基金 (62376143, 62106130); 山西省基础研究计划青年科学研究项目 (202203021212495, 20210302124084); 山
西省高等学校科技创新项目 (2021L283, 2021L284); 山西省基础研究计划 (202303021211021); CCF-智谱 AI 大模型基金 (CCF-
Zhipu202310)
收稿时间: 2023-12-09; 修改时间: 2024-01-23; 采用时间: 2024-03-03; jos 在线出版时间: 2024-08-21
CNKI 网络首发时间: 2024-08-22