基于并行化递归神经网络的中文短文本情感分类

• 作者: 张雷 王修君 谢铁 郑啸
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 深度学习 情感分析 文本分类 Spark
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 算法
• 页码范围: 205-211,232
• 页数: 8页
• 分类号: TP3
• 字数: 7335字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.03.037

摘要

情感分析的一个重要应用是判断用户对于产品评论的情感倾向,这些用户评论一般都是字数较少的短文本.传统方法多利用词袋模型获取单词的浅层特征来进行情感分析,利用这些简单特征训练的模型在短文本,尤其是在复杂语法问题上效果并不理想.通过利用深度递归神经网络算法来捕获句子语义信息,并引入中文"情感训练树库"作为训练数据来发现词语情感信息,在短文本情感五分类的问题上取得了较高的准确率.针对复杂模型在海量数据训练上的时间效率问题,通过在Spark并行框架下实现了模型的并行化处理,使得模型的可扩展性和时间效率得到提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雷	安徽工业大学计算机科学与技术学院	27	150	6.0	11.0
2	郑啸	安徽工业大学计算机科学与技术学院	54	1140	12.0	33.0
3	谢铁	安徽工业大学计算机科学与技术学院	1	14	1.0	1.0
4	王修君	安徽工业大学计算机科学与技术学院	8	27	3.0	5.0