基于word embedding和CNN的情感分类模型

• 作者: 段书凯 王丽丹 蔡慧苹
• 来源期刊: 计算机应用研究
• 关键词: 卷积神经网络 自然语言处理 深度学习 词嵌入 情感分类
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2902-2905,2909
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.10.005

摘要

尝试将word embedding和卷积神经网络（CNN）相结合来解决情感分类问题。首先，利用skip-gram模型训练出数据集中每个词的word embedding，然后将每条样本中出现的word embedding组合为二维特征矩阵作为卷积神经网络的输入，此外每次迭代训练过程中，输入特征也作为参数进行更新；其次，设计了一种具有三种不同大小卷积核的神经网络结构，从而完成多种局部抽象特征的自动提取过程。与传统机器学习方法相比，所提出的基于word embedding和CNN的情感分类模型成功地将分类正确率提升了5．04％。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段书凯	西南大学电子信息工程学院	62	480	14.0	19.0
2	王丽丹	西南大学电子信息工程学院	50	402	12.0	18.0
3	蔡慧苹	西南大学电子信息工程学院	1	41	1.0	1.0