基于多维扩展特征与深度学习的微博短文本情感分析

摘要：

该文提出了一种基于深度信念网络(DBN)和多维扩展特征的模型,实现对中文微博短文本的情感分类.为降低传统文本分类方法在处理微博短文时特征稀疏的影响,引入社交关系网络作为扩展特征,依据评论者和博主之间的社交关系,提取相关评论扩展原始微博,将扩展后的多维特征作为深度信念网络的输入.通过叠加多层玻尔兹曼机(RBM)构建DBN模型底层网络结构,多层玻尔兹曼机可以对原始输入抽象并获得数据的深层语义特征.在多个RBM层上叠加一层分类玻尔兹曼机(ClassRBM),实现最终情感分类.实验结果表明,通过调整模型参数和网络结构,构建的深度学习模型在情感分类中能够获得比SVM和NB等浅层分类系统更优的结果,另外,实验证明使用扩展多维特征方法可提高短文本情感分类的性能.

关键词：社交网络、深度信念网络、扩展多维特征、受限玻尔兹曼机、分类受限玻尔兹曼机

所属期刊栏目：39

分类号：TP393;TP391.43(计算技术、计算机技术)

资助基金：国家自然科学基金61432004;模式识别国家重点实验室开放课题NLPR201407345 ,安徽省自然科学基金1508085 QF119;中国博士后科学基金2015M580532 The National Natural Science Foundation of China61432004;The Open Project Program of the National Laboratory of Pattern Recognition NLPR201407345;The Natural Science Foundation of Anhui Province1508085QF119;The China Postdoctoral Science Foundation2015M580532

在线出版日期：2017-09-30（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：2048-2055