基于增强字向量的微博观点句情感极性分类方法

• 作者: 廖健 李德玉 王杰 王素格
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 增强字向量 观点句分类 深度学习
• 年，卷（期）: 2017,（1）
• 页码范围: 39-44
• 页数: 6页
• 分类号: TP391
• 字数: 4007字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2016327

摘要

针对微博观点句识别及情感极性分类任务,提出了基于增强字向量的微博观点句情感极性分类方法.使用单字作为句子表示的基本单元,同时在单字中嵌入了该字所在的词信息以及该词的词性信息,以此训练得到字向量替代传统的词向量融合的句子表示方法.使用基于K-means的方法对向量化的句子进行情感判别,仅需要对文本进行分词和词性标注,无需额外的语言学资源.在COAE2015任务2的微博句子数据集上进行测试,取得了较好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李德玉	山西大学计算机与信息技术学院	83	753	12.0	24.0
5	王素格	山西大学计算机与信息技术学院	88	812	14.0	25.0
9	王杰	山西大学计算机与信息技术学院	25	103	6.0	9.0
10	廖健	山西大学计算机与信息技术学院	5	36	3.0	5.0