基于卷积神经网络模型的互联网短文本情感分类

• 作者: 刘小明 张英 郑秋生
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 73-77
• 页数: 5页
• 分类号: TP391
• 字数: 5055字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.04.015

摘要

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%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑秋生	中原工学院计算机学院	75	412	12.0	16.0
5	张英	中原工学院计算机学院	11	62	4.0	7.0
7	刘小明	中原工学院计算机学院	8	56	4.0	7.0