基于用户兴趣词典和LSTM的个性化情感分类方法

摘要：

微博是一个可以分享生活、发表看法、发泄情感的社交平台,由于数据量大且易于获取,微博数据已被广泛用于网络用户情感分析.传统对微博进行情感预测的研究没有考虑用户的用词喜好、语言风格等个性化因素的影响,使得情感分类结果的准确性不高.首先通过分析用户兴趣特征构建用户兴趣词典,在此基础上提出基于用户兴趣词典的情感分类模型;然后利用长短期记忆网络(Long Short-Term Memory,LSTM)分类准确性高的特点训练一个通用的LSTM分类模型;最后利用支持向量机融合不同模型以得到最终的情感分类结果.实验结果表明,与支持向量机、朴素贝叶斯等传统分类器相比,基于用户兴趣词典与LSTM的个性化情感分类方法在分类精度上有较大提升;与LSTM、循环神经网络等深度学习方法相比,该方法在保证运行效率的前提下能获得更高的分类精度.

关键词：情感分类;用户兴趣词典;LSTM模型;支持向量机

所属期刊栏目：48

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家社科基金项目;教育部人文社科项目;国家自然科学基金项目;天津市自然科学基金项目;内蒙古纪检监察大数据实验室2020-2021年度开放课题

在线出版日期：2021-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：251-257