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:
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.
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
双通道卷积记忆神经网络文本情感分析
电子商务
商品评论
文本情感分析
卷积记忆神经网络
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 结合词性特征与卷积神经网络的文本情感分析
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
研究方向 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
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 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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (54)
参考文献  (3)
节点文献
引证文献  (5)
同被引文献  (21)
二级引证文献  (1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(4)
  • 引证文献(4)
  • 二级引证文献(0)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
自然语言处理
情感分析
深度学习
卷积神经网络
文本表示
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导