基于多通道卷积神经网络的中文微博情感分析

被引：68

作者：

陈珂 ^{[1
]}

梁斌 ^{[2
]}

柯文德 ^{[1
]}

许波 ^{[1
]}

曾国超 ^{[1
]}

机构：

[1] 广东石油化工学院计算机科学与技术系

[2] 苏州大学计算机科学与技术学院

来源：

计算机研究与发展 | 2018年 / 05期

基金：

广东省自然科学基金; 广东省科技计划;

关键词：

情感分析; 深度学习; 卷积神经网络; 多通道; 自然语言处理;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.1 [文字信息处理];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

近年来,深度学习在情感分析任务中的应用得到了越来越多的关注.针对以文本词向量作为输入的卷积神经网络无法充分利用情感分析任务中特有的情感特征信息,以及难以有效表示每个词语在句子中的重要程度等问题,提出一种基于多通道卷积神经网络(multi-channels convolutional neural networks,MCCNN)的中文微博情感分析模型.该模型针对情感分析任务中特有的情感信息来构建文本输入矩阵,使模型在训练过程中有效获取输入句子的情感特征信息.同时,该模型通过将不同特征信息结合形成不同的网络输入通道,使网络模型在训练过程中从多方面的特征表示来学习输入句子的情感信息,有效表示出每个词语在句子中的重要程度,获取更多的隐藏信息.最后在COAE2014数据集和微博语料数据上进行实验,取得了比普通卷积神经网络、结合情感信息的卷积神经网络和传统分类器更好的性能.

引用

页码：945 / 957

页数：13

共 6 条

[1] 结合卷积神经网络和词语情感序列特征的中文情感分析
陈钊
徐睿峰
桂林
陆勤
[J]. 中文信息学报, 2015, 29 (06) : 172 - 178
[2] 基于卷积神经网络的微博情感倾向性分析
刘龙飞
杨亮
张绍武
林鸿飞
[J]. 中文信息学报, 2015, (06) : 159 - 165
[3] 基于多样化特征的中文微博情感分类方法研究
张志琳
宗成庆
[J]. 中文信息学报, 2015, 29 (04) : 134 - 143
[4] 深度学习的昨天、今天和明天
余凯
贾磊
陈雨强
徐伟
[J]. 计算机研究与发展, 2013, 50 (09) : 1799 - 1804
[5] A machine learning approach to sentiment analysis in multilingual Web texts
Boiy, Erik
Moens, Marie-Francine
[J]. INFORMATION RETRIEVAL, 2009, 12 (05): : 526 - 558
[6] Sentiment classification of online reviews to travel destinations by supervised machine learning approaches[J] . Qiang Ye,Ziqiong Zhang,Rob Law.Expert Systems With Applications . 2008 (3)

← 1 →