10.3969/j.issn.1006-2475.2017.04.015
基于卷积神经网络模型的互联网短文本情感分类
情感分类旨在发现用户对热点事件的观点态度,但由于现今互联网短文本格式随意,语言规范性不够,所以目前传统方法的情感分类效果并不理想.面向大数据互联网短文本信息,本文提出一种基于深度卷积神经网络(Convolutional Neural Networks,CNNs)模型的互联网短文本分类.首先选择词向量作为原始特征,然后通过卷积神经网络进一步提取特征,最后训练出基于深度卷积神经网络的互联网短文本情感分类模型.实验结果表明,该模型不仅可以有效处理互联网短文本中的情感分类这一任务,而且明显提高了情感分类的准确率,平均提高约5%.
互联网短文本、情感分类、卷积神经网络、自然语言处理、深度学习
TP391(计算技术、计算机技术)
国家自然科学基金资助项目U1304611;河南省科技攻关计划项目132102310284;河南省教育厅科学技术研究重点项目14A520015;郑州市科技攻关项目131PPTGG416-4
2017-05-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
73-77