基于双向长短期记忆模型的网民负面情感分类研究

被引：90

作者：

吴鹏 ^{[1
,2
]}

应杨 ^{[1
]}

沈思 ^{[1
,2
]}

机构：

[1] 南京理工大学经济管理学院

[2] 江苏省社会公共安全科技协同创新中心

来源：

情报学报 | 2018年 / 37卷 / 08期

关键词：

网络舆情; 负面情感分析; 情感词向量; 双向长短期记忆模型;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

网民负面情感在网络舆情情感分析中具有重要意义,但已有研究缺乏自动化识别海量短文本中网民负面情感的多分类方法。本文利用词嵌入技术学习词语的特征表示,通过增加文本的情感特征生成具有情感意义的词向量,并训练双向长短期记忆模型得到网民负面情感识别模型,在判断网民情感极性的基础上,识别网民的愤怒、悲伤和恐惧三种负面情感,并结合案例数据与SVM、LSTM和CNN等模型进行对比分析。实验表明,具有情感语义的词向量比词向量更适合情感分析任务;利用双向长短期记忆模型可以得到较好的情感识别效果;判断网民情感极性基础上识别网民负面情感的分类方式优于直接判断网民的负面情感的方式。

引用

页码：845 / 853

页数：9

共 15 条

[1]

基于潜在语义与图结构的微博语义检索 [J].

肖宝 ;

李璞 ;

胡娇娇 ;

蒋运承 .

计算机工程, 2017, 43 (06) :182-188+194

[2]

基于SVM的中文微博观点倾向性识别 [J].

丁晟春 ;

吴靓婵媛 ;

李红梅 .

情报学报, 2016, (12) :1235-1243

[3]

情感词典扩充的微博文本多元情感分类研究 [J].

曹宇 ;

王名扬 ;

贺惠新 .

情报杂志, 2016, 35 (10) :185-189

[4]

用于微博情感分析的一种情感语义增强的深度学习模型 [J].

何炎祥 ;

孙松涛 ;

牛菲菲 ;

李飞 .

计算机学报, 2017, 40 (04) :773-790

[5]

社交网络用户线上线下情感传播差异及影响因素分析——以“成都女司机被打”事件为例 [J].

李勇 ;

蔡梦思 ;

邹凯 ;

李黎 .

情报杂志, 2016, 35 (06) :80-85

[6]

基于迁移学习微博情绪分类研究——以H7N9微博为例 [J].

周清清 ;

章成志 .

情报学报, 2016, 35 (04) :339-348

[7]

Sentiment analysis of Chinese micro-blog text based on extended sentiment dictionary.[J].Shunxiang Zhang;Zhongliang Wei;Yin Wang;Tao Liao.Future Generation Computer Systems.2018,

[8]

Improving sentiment analysis via sentence type classification using BiLSTM-CRF and CNN.[J].Tao Chen;Ruifeng Xu;Yulan He;Xuan Wang.Expert Systems With Applications.2017,

[9]

Ensemble application of convolutional neural networks and multiple kernel learning for multimodal sentiment analysis.[J].Soujanya Poria;Haiyun Peng;Amir Hussain;Newton Howard;Erik Cambria.Neurocomputing.2017,

[10]

Chinese comments sentiment classification based on word2vec and SVMperf [J].

Zhang, Dongwen ;

Xu, Hua ;

Su, Zengcai ;

Xu, Yunfeng .

EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42 (04) :1857-1863

← 1 2 →