结合词性特征与卷积神经网络的文本情感分析

摘要：

在卷积神经网络模型中,如果输入文本表示不准确,网络训练容易因输入噪音导致过拟合.为改善文本卷积神经网络中输入文本表示的质量,构建一种结合词性特征的文本卷积神经网络模型.利用词性特征捕捉传统词向量无法识别的文本一词多义现象,并与输入文本原始表示方法相结合构造卷积神经网络的双通道输入.基于中文酒店评论和英文影评数据集的实验结果表明,相比于传统文本卷积神经网络,该模型在情感分类准确率、召回率和F1值等指标上均有明显提升.

关键词：自然语言处理、情感分析、深度学习、卷积神经网络、文本表示

所属期刊栏目：44

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金61379109

在线出版日期：2019-01-22（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：209-214,221