面向短文本情感分析的多特征融合方法研究

摘要：

近年来,深度学习技术被广泛应用于文本情感分析任务中.目前,大量的研究使用不同类型的神经网络从文本词向量中学习和提取情感特征.针对单一文本词向量无法全面表示文本中的情感特征信息,并且难以有效捕获文本和标签之间的联系,提出了一种基于多特征融合的短文本情感分析模型,该模型针对短文本自身特性构建多种情感特征组合(词特征+情感符号特征+词性特征、词特征+情感符号特征、情感标签特征)形成多输入矩阵,接着将其输入到多通道卷积神经网络(multi-channel convolutional neural networks,MCNN)中提取情感特征,最后完成情感分类,整个模型简称MF-MCNN(Multi-feature Fu-sion based on MCNN).MF-MCNN能够从多特征矩阵中学习到句子更全面的情感信息,情感分类能力得到有效提升.MF-MC-NN模型在SemEval2017数据集(英文)和NLPCC2014数据集(中文)上完成与传统分类器和目前先进的模型共7种模型的对比,实验结果证明MF-MCNN具有更高的准确率和较低的训练时间代价.

关键词：情感分类、短文本、卷积神经网络、情感符号、标签向量

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：河南省高等学校重点科研项目16A520027

在线出版日期：2020-06-08（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：1126-1132