神经网络模型在显式与隐式特征下的情感分类应用研究

摘要：

将BLSTM、GRU和BGRU三种神经网络模型应用于中文文本情感分类,系统研究三种神经网络模型在不同特征下的参数选择和情感分类结果.以具有显式和隐式情感特征的中文评论数据为研究对象,将具有不同情感特征的中文文本进行向量化表示,并将其作为BLSTM、GRU和BGRU三种神经网络情感分析模型的输入;通过模型设置和参数优化,实现情感分类的预测和对比分析.实验结果表明,基于神经网络的情感分析模型对显式情感特征的评论文本数据的准确率达到87％以上;相反,对隐式情感特征的评论文本数据的准确率则只有79％左右,说明基于神经网络的情感分析模型在隐式情感特征分析中的表现有待提高.神经网络模型在文本情感分类任务中的性能良好,验证了神经网络对复杂文本任务具有很强的学习能力,但其对隐式情感特征的分析尚需进一步深入研究.

关键词：中文文本、情感特征、神经网络、情感分类

所属期刊栏目：10

资助基金：中小企业创新基金;专利优势示范企业基金;国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项资金;国家自然科学基金;黑龙江省自然科学联合引导基金;中国博士后科学基金;黑龙江省基础科研科技创新基金;黑龙江省基础科研青年创新团队基金

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：125-131,135