基于深度神经网络的微博文本情感倾向性分析

• 作者: 李志华 詹国华 钮成明
• 来源期刊: 计算机系统应用
• 关键词: 中文微博 情感分析 深度学习 长短时记忆网络 词向量
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 205-210
• 页数: 6页
• 字数: 3993字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006645

摘要

随着新型社交媒体的发展,作为传播网络舆论的重要媒介,微博已然成为挖掘民意的平台.自然语言处理技术可以从微博文本中提取有效情感信息,为网络舆情监控、预测潜在问题及产品分析等提供科学的决策依据.为了克服现有的浅层学习算法对复杂函数表示能力有限的问题,本文尝试融合深度学习的思想,提出基于Word2Vec和针对长短时记忆网络改进的循环神经网络的方法进行中文微博情感分析.在两万多条中文标注语料上进行训练实验,实验数据与SVM、RNN、CNN作对比,对比结果证明,本文提出的情感分析模型准确率达到了91.96％,可以有效提高微博文本情感分类的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	詹国华	杭州师范大学信息科学与工程学院	44	401	9.0	19.0
2	李志华	杭州师范大学信息科学与工程学院	14	44	3.0	6.0
3	钮成明	杭州师范大学信息科学与工程学院	1	16	1.0	1.0