基于卷积神经网络与多特征融合的Twitter情感分类方法

被引：27

作者：

王汝娇

姬东鸿

机构：

[1] 武汉大学计算机学院

来源：

计算机工程 | 2018年 / 44卷 / 02期

关键词：

文本分类; 情感分析; 卷积神经网络; 词向量; 特征融合;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.1 [文字信息处理];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081203 ;

摘要：

为了对社交网络平台上发表的言论和信息进行情感分类,基于卷积神经网络和多特征融合,提出一种情感分类方法。结合Twitter自身语言特性和情感字典资源设计语料特征和词典特征,对Twitter文本词向量使用卷积神经网络获得对应的深度词向量特征,将上述3类特征进行特征融合并采用One-Versus-One SVM实现情感极性的分类判别。针对SemEval语料的实验结果表明,该方法取得了较好的情感分类效果,多特征融合能够有效地提高情感分类的准确性。

引用

页码：210 / 219

页数：10

共 7 条

[1] 基于图模型和多分类器的微博情感倾向性分析 [J].

黄挺 ;

姬东鸿 .

计算机工程, 2015, 41 (04) :171-175

[2] 基于深度学习的微博情感分析 [J].

梁军 ;

柴玉梅 ;

原慧斌 ;

昝红英 ;

刘铭 .

中文信息学报, 2014, (05) :155-161

[3] 中文文本情感分析研究综述 [J].

陆文星 ;

王燕飞 .

计算机应用研究, 2012, 29 (06) :2014-2017

[4] 基于层次结构的多策略中文微博情感分析和特征抽取 [J].

谢丽星 ;

周明 ;

孙茂松 .

中文信息学报, 2012, (01) :73-83

[5] 文本情感分析 [J].

赵妍妍 ;

秦兵 ;

刘挺 .

软件学报, 2010, 21 (08) :1834-1848

[6]

Twitter brand sentiment analysis: A hybrid system using n -gram analysis and dynamic artificial neural network[J] . M. Ghiassi,J. Skinner,D. Zimbra.Expert Systems With Applications . 2013 (16)

[7]

Target-dependent Twitter SentimentClassification .2 Long Jiang,Mo Yu,Ming Zhou,et al. Proceedings of the49th Annual Meeting of the Association forComputational Linguistics . 2011

← 1 →