基于卷积神经网络与多特征融合的Twitter情感分类方法

• 作者: 姬东鸿 王汝娇
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本分类 情感分析 卷积神经网络 词向量 特征融合
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 210-219
• 页数: 10页
• 分类号: TP393
• 字数: 10189字
• 语种: 中文

摘要

为了对社交网络平台上发表的言论和信息进行情感分类,基于卷积神经网络和多特征融合,提出一种情感分类方法.结合Twitter自身语言特性和情感字典资源设计语料特征和词典特征,对Twitter文本词向量使用卷积神经网络获得对应的深度词向量特征,将上述3类特征进行特征融合并采用One-Versus-One SVM实现情感极性的分类判别.针对SemEval语料的实验结果表明,该方法取得了较好的情感分类效果,多特征融合能够有效地提高情感分类的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姬东鸿	武汉大学计算机学院	92	887	16.0	26.0
2	王汝娇	武汉大学计算机学院	1	22	1.0	1.0