关键词：立场检测 主题短语 关系矩阵 句向量 

摘要：微博立场检测是判断一段微博文本针对某一目标话题所表达的观点态度是支持、中立或反对.随着社交媒体的发展,从海量的微博数据中挖掘其蕴含的立场信息成为一项重要的研究课题.但是现有的方法往往将其视作情感分类任务,没有对目标话题和微博文本之间的关系特征进行分析,在基于深度学习的分类框架上,扩展并提出了基于Bert-Condition-CNN的立场检测模型,首先为提高话题在文本中的覆盖率,对微博文本进行了主题短语的提取构成话题集;然后使用Bert预训练模型获取文本的句向量,并通过构建话题集和微博文本句向量之间的关系矩阵Condition层来体现两个文本序列的关系特征;最后使用CNN对Condition层进行特征提取,分析不同话题对立场信息的影响并实现对立场标签的预测.该模型在自然语言处理与中文计算会议(NLPCC2016)的数据集中取得了较好的效果,通过主题短语扩展后的Condition层有效地提升了立场检测的准确度.

计算机系统应用杂志要求:

{1}参考文献按GB/T 7714-2005《文后参考文献著录规则》采用顺序编码制著录，依照其在文中出现的先后顺序用阿拉伯数字加方括号标出。

{2}文责自负。概不接受抄袭稿件。本刊概不退稿，请作者自留底稿。

{3}请勿一稿多投，三个月内未接到本刊录用通知可另行处理。

{4}文题：力求简明、醒目，反映出文章的主题。中文文题一般以20个汉字以内为宜。

{5}正文应层次清楚，方便阅读，行文符合规范。正文中的各级标题分别为：“1”、“1.1”、“1.1.1”等。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社