结合词性特征与卷积神经网络的文本情感分析

• 作者: 何鸿业 张祖平 郑瑾
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 自然语言处理 情感分析 深度学习 卷积神经网络 文本表示
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 209-214,221
• 页数: 7页
• 分类号: TP391.1
• 字数: 6368字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0048955

摘要

在卷积神经网络模型中,如果输入文本表示不准确,网络训练容易因输入噪音导致过拟合.为改善文本卷积神经网络中输入文本表示的质量,构建一种结合词性特征的文本卷积神经网络模型.利用词性特征捕捉传统词向量无法识别的文本一词多义现象,并与输入文本原始表示方法相结合构造卷积神经网络的双通道输入.基于中文酒店评论和英文影评数据集的实验结果表明,相比于传统文本卷积神经网络,该模型在情感分类准确率、召回率和F1值等指标上均有明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张祖平	中南大学信息科学与工程学院	85	617	13.0	21.0
2	郑瑾	中南大学信息科学与工程学院	24	92	6.0	8.0
3	何鸿业	中南大学信息科学与工程学院	2	5	1.0	2.0