NaSent：让计算机理解人类的情感

zhixun

2013-10-13, 08:46 | 积木

计算机非常擅于处理数据，但其智力方面的进展却是缓慢的。近些年来，计算机领域兴起了“深度学习”。结合人工神经网络研究的成果，科学家们试图建立模拟人脑的神经网络，使计算机像人类一样思考，拥有学习能力。

如今，“深度学习”已经突破了学术圈的范畴，吸引了科技公司的资源投入，特别是以分析用户数据来盈利的公司，如 Facebook、Google 等。人工智能方面的突破，能使他们提供更加智能、人性化的服务。


在“深度学习”研究中，自然语言的分析是重要部分。人类语言交流是非常复杂的，不仅涉及到意思的理解，也涉及到感情的表达，对于计算机来说，把握前者已经很困难，而把握后者恐怕更是难上加难。NaSent 项目试图在情感分析上面走出突破。

这个项目由斯坦福大学的研究生 Richard Socher 发起，合作者包括人工智能研究员 Chris Manning，以及 Google 深度学习项目的工程师之一 Andrew Ng。

“在过去，情感分析依赖的模式多是忽略单词次序的，或者依赖于人类专家，”Socher 接受 Wired 网站采访的时候说，“那适用于非常简单的例子，但是永远无法上升到人类水平的理解，因为单词的意思随语境而改变，即使是专家也无法准确定义情感运作的所有细节。我们的深度学习模式解决了这两个问题。”

在构建 NaSent的过程中，Socher 和他的团队从烂番茄网站拿来了 1.2 万个句子，将其拆分为 21.4 万个短语，标记为非常消极、消极、中性、积极、非常积极等，然后将这些数据输入系统之中，并以此为基础对句子做分析。

研究员们说，NaSent 的准确率是 85%。这个数字还是不错的。当然，算法还有很大的改善余地。为了构建更加强健的系统，Socher 的团队还向系统输入了 Twitter 和 IMDB 上的数据。另外，他们还建立了一个实时演示的网站，所有人都可以参与其中。如果 NaSent 的判断错误，人们可以对其判断进行重新标记。在几周的时间里，已经有 1.4 万个用户参与过这个演示。

“人们很好心地教它新东西，告诉它正确与错误，”Socher 说，“给出实时演示的好处是，人们试图去破坏它。他们在把它推向极限，给予我们新的训练数据。这会帮助我们的算法模型。”