基于多通道卷积神经网络的中文微博情感分析

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COA E2014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.

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

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61272382,61672174;广东省自然科学基金项目2016A030307049,2016A030307028;广东省科技计划项目2014A010104016,2015B090903084This work was supported by the National Natural Science Foundation of China61272382,61672174;the Natural Science Foundation of Guangdong Province of China2016A030307049,2016A030307028;the Science and Technology Planning Project of Guangdong Province2014A010104016,2015B090903084

在线出版日期：2018-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：945-957