一、引言
EMNLP中，香港理工大学社交媒体分析研究实验室（HKPUSMARTLab）提出了一篇针对在线话题的社会情感分析工作，论文题目为：Hashtags,Emotions,andComments:ALarge-ScaleDatasettoUnderstandFine-GrainedSocialEmotionstoOnlineTopics，被录取为短文。二、文章摘要
本文研究了在线讨论话题中所反映的社会情感。先前的工作大多集中在写作者的情感上，而本文的工作则专注于通过分析用户的回复信息来探索公众对在线话题的感受。本文从新浪微博中收集了一个大规模的数据集，其中包含了13,多个热门话题、来自大量参与者的24种细粒度类型的情感投票标签以及用于上下文理解用户评论。在实验中，我们使用多标签分类设置来预测某个主题中所可能带来的社会情感。结果表明引入用户评论信息的seq2seq模型取得了最佳表现，甚至超过了个体人类的预测结果。此外我们通过进一步的实验分析揭示了社会情感类型、话题长度、用户评论等所带来的影响以及现有模型的一些不足之处。三、研究动机
社交媒体已经是人们日常生活中不可分割的一部分，越来越多的互联网用户参与到社交媒体之中进行讨论、分享自己的观点和看法。这为研究者们提供了一个庞大的可以获取流行话题、倾听公众针对热点事件意见的资源。但是飞速发展的社交媒体所蕴含的信息已经超越了人所能获取信息的极限，我们迫切的需要一些手段辅助我们进行情感分析。之前虽然有很多人在这方面进行了研究，但是都局限于作者的情感或类似新闻报道、标题等比较正式的文字，很少有工作涉及到公众对于这种零散且口语化的在线话题的情感。即便有人利用评论信息去做观点、情感分析，但是其