基于双向长短期记忆模型的 网民负面情感分类研究

摘要：

网民负面情感在网络舆情情感分析中具有重要意义,但已有研究缺乏自动化识别海量短文本中网民负面情感的多分类方法.本文利用词嵌入技术学习词语的特征表示,通过增加文本的情感特征生成具有情感意义的词向量,并训练双向长短期记忆模型得到网民负面情感识别模型,在判断网民情感极性的基础上,识别网民的愤怒、悲伤和恐惧三种负面情感,并结合案例数据与SVM、LSTM和CNN等模型进行对比分析.实验表明,具有情感语义的词向量比词向量更适合情感分析任务;利用双向长短期记忆模型可以得到较好的情感识别效果;判断网民情感极性基础上识别网民负面情感的分类方式优于直接判断网民的负面情感的方式.

关键词：网络舆情、负面情感分析、情感词向量、双向长短期记忆模型

所属期刊栏目：37

资助基金：国家自然科学基金"突发事件网民负面情感的模型检测研究"71774084;"基于时间感知模型的学术主题检索与演化挖掘研究"71503124;国家社会科学基金"基于社会网络分析的网络舆情主题发现研究"15BTQ063

在线出版日期：2018-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：845-853