基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着词向量的广泛应用,情感词典在情感分析任务中不再使用.但是使用传统机器学习方法时,情感词仍然提供了重要的特征.通过结合词向量与情感词典,提出两种基于卷积神经网络的情感分析方法,分别为朴素连接法和独立卷积法.其中情感词典的构建采用传统的种子词方法,根据HowNet和Word2Vec共同计算出当前语料库的词语-情感分数键值对.实验结果表明,提出的情感分析方法可以有效地提高情感分析的准确率.
推荐文章
基于卷积神经网络和注意力模型的文本情感分析
社交网络
文本情感分析
卷积神经网络
注意力模型
多尺度卷积循环神经网络的情感分类技术
文本情感分类
卷积神经网络
循环神经网络
长短时记忆
多尺度
基于卷积神经网络和Tree-LSTM的微博情感分析
卷积神经网络
注意力机制
长短期记忆神经网络
微博情感分析
基于稀疏卷积神经网络的考生识别算法
考生识别
卷积神经网络
人脸识别
身份验证
多通道输入
方法比
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络的情感分析算法
来源期刊 计算机应用与软件 学科 工学
关键词 词向量 情感词典 卷积神经网络 朴素连接 独立卷积 HowNet Word2Vec
年,卷(期) 2018,(4) 所属期刊栏目 算法
研究方向 页码范围 287-292
页数 6页 分类号 TP391.1
字数 5736字 语种 中文
DOI 10.3969/j.issn.1000-386x.2018.04.053
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 封化民 39 300 9.0 15.0
5 徐治理 3 49 3.0 3.0
6 刘飚 14 51 4.0 6.0
7 潘扬 2 4 1.0 2.0
8 李佳丽 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (14)
参考文献  (5)
节点文献
引证文献  (4)
同被引文献  (10)
二级引证文献  (0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
词向量
情感词典
卷积神经网络
朴素连接
独立卷积
HowNet
Word2Vec
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导