基于深度学习的多元文本情感研究与分析

• 作者: 卢萍 陈楠 陈进才
• 来源期刊: 计算机科学与应用
• 学科: 工学
• 关键词: 情感分析 文本分类 多元情感 情感词向量
• 年，卷（期）: jsjkxyyy_2018,（5）
• 页码范围: 669-686
• 页数: 18页
• 分类号: TP39

摘要

文本情感分析主要是通过文本挖掘技术对带有倾向性的文本进行情感分析和处理,识别其中主观性文本的倾向是正面、负面、中性的过程,这种关于文本情感颗粒的划分是不充分的,不全面的,显得过于生硬和暴力,不仅不能有效地体现出不同的文本情感颗粒的强度和大小,而且还需要大量的人工标注。本文针对此问题,提出和构建了基于Co-Training半监督训练的多元文本情感数据集,并且结合情感词频、情感词典、情感语义信息构建了D & W、T & W、SSW三种情感词向量,最后利用CNN和LSTM神经网络结构模型分别对构建的多元数据集进行了情感词向量的对比训练和模型优化,从而验证了情感词向量的有效性,而且提升了文本情感分类的准确度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈楠	华中科技大学武汉光电国家研究中心	16	70	5.0	8.0
2	卢萍	华中科技大学武汉光电国家研究中心	8	22	3.0	4.0
3	陈进才	华中科技大学武汉光电国家研究中心	18	107	6.0	10.0