基于改进的卷积神经网络的中文情感分类

• 作者: 张树群 张绮琦 雷兆宜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 情感分类 深度学习 词向量 卷积神经网络
• 年，卷（期）: 2017,（22）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 111-115
• 页数: 5页
• 分类号: TP391
• 字数: 4100字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1605-0295

摘要

探究了基于卷积神经网络的句子级别的中文文本情感分类,模型以文本经过预处理后得到的词向量作为输入.传统的卷积神经网络是由线性卷积层、池化层和全连接层堆叠起来的,提出以跨通道卷积层替代传统线性卷积滤波器,对基本的卷积神经网络进行改进,提高网络的表达能力.实验表明,改进后的卷积神经网络在保证训练速度的情况下,识别率达到91.89%,优于传统的卷积神经网络,有较好的识别能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张树群	暨南大学信息科学技术学院	14	130	6.0	11.0
2	雷兆宜	暨南大学信息科学技术学院	10	149	6.0	10.0
3	张绮琦	暨南大学信息科学技术学院	1	21	1.0	1.0