卷积神经网络下的Twitter文本情感分析

• 作者: 崔超然 张春云 王煜涵 耿蕾蕾 袭肖明 赵宝林
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: Twitter文本 情感分析 词向量模型 卷积神经网络
• 年，卷（期）: 2018,（5）
• 页码范围: 921-927
• 页数: 7页
• 分类号: TP391.1
• 字数: 4616字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.05.017

摘要

随着社交网络的日益普及,基于Twitter文本的情感分析成为近年来的研究热点.Twitter文本中蕴含的情感倾向对于挖掘用户需求和对重大事件的预测具有重要意义.但由于Twitter文本短小和用户自身行为存在随意性等特点,再加之现有的情感分类方法大都基于手工制作的文本特征,难以挖掘文本中隐含的深层语义特征,因此难以提高情感分类性能.本文提出了一种基于卷积神经网络的Twitter文本情感分类模型.该模型利用word2vec方法初始化文本词向量,并采用CNN模型学习文本中的深层语义信息,从而挖掘Twitter文本的情感倾向.实验结果表明,采用该模型能够取得82.3％ 的召回率,比传统分类方法的分类性能有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张春云	山东财经大学计算机科学与技术学院	4	40	3.0	4.0
2	崔超然	山东财经大学计算机科学与技术学院	6	36	3.0	6.0
3	袭肖明	山东财经大学计算机科学与技术学院	3	20	3.0	3.0
4	耿蕾蕾	山东财经大学计算机科学与技术学院	4	13	2.0	3.0
5	王煜涵	山东财经大学计算机科学与技术学院	1	10	1.0	1.0
6	赵宝林	浪潮电子信息产业股份有限公司存储研发部	1	10	1.0	1.0