基于CNN与词语邻近特征的情感分类模型

摘要：

基于卷积神经网络(CNN)的方法在情感分类任务中得到广泛应用,该方法使用词向量作为网络的输入,但是,在卷积过程中每个词向量只能表征一个单词,并不蕴含上下文信息,导致了信息传递连续性的降低.为此,构建一种基于词语邻近特征的CNN模型,在卷积过程中让每个词向量携带邻近词语的特征,既保证信息传递的连续性,也保证词向量在局部范围内的序列性.实验结果表明,在COAE2014(二分类)和COAE2015(三分类)的情感分类任务上,该模型的准确率分别达到89.43％和85.61％,验证了其可行性和高效性.

关键词：情感分类、卷积神经网络、词向量、连续性、序列性、邻近特征

所属期刊栏目：44

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61173036;国家高技术研究发展计划项目2012AA01A301-01;湖南省科技计划项目2015GK3015

在线出版日期：2018-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：182-187