基于CNN与词语邻近特征的情感分类模型

• 作者: 吕超 李仁发 杨超
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 情感分类 卷积神经网络 词向量 连续性 序列性 邻近特征
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 182-187
• 页数: 6页
• 分类号: TP391
• 字数: 5275字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0046274

摘要

基于卷积神经网络(CNN)的方法在情感分类任务中得到广泛应用,该方法使用词向量作为网络的输入,但是,在卷积过程中每个词向量只能表征一个单词,并不蕴含上下文信息,导致了信息传递连续性的降低.为此,构建一种基于词语邻近特征的CNN模型,在卷积过程中让每个词向量携带邻近词语的特征,既保证信息传递的连续性,也保证词向量在局部范围内的序列性.实验结果表明,在COAE2014(二分类)和COAE2015(三分类)的情感分类任务上,该模型的准确率分别达到89.43％和85.61％,验证了其可行性和高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李仁发	湖南大学信息科学与工程学院	468	4582	30.0	44.0
2	杨超	湖南大学信息科学与工程学院	28	111	6.0	10.0
3	吕超	湖南大学信息科学与工程学院	4	4	2.0	2.0