基于MIC-CNN方法的中文新闻情感分类

• 作者: 方宝富 李天赐 王浩
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 中文新闻 客观性短文本 情感分类 卷积神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 2019年中国计算机学会人工智能会议(CCFAI 2019)论文选登
• 页码范围: 746-754
• 页数: 9页
• 分类号: TP393
• 字数: 6301字
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2019.06.03.006

摘要

近年来关于主观性文本情感分析的研究较热,但对于客观性文本的情感研究很少,因此文章以具有客观性的新闻标题的情感分类为研究点,并提出了多输入通道卷积神经网络(MIC-CNN)以适应此研究问题.网络在输入层以整句,前半句,后半句构成三个输入通道,接着对每个输入通道卷积,然后以不同权重把各尺寸卷积结果相加,接着对每个尺寸使用最大池化并拼接以形成最后的情感特征向量,最后使用softmax进行文本情感分类.实验结果表明:经过超参数的调整MIC-CNN分类精确率平均达到86％以上,比普通的卷积神经网络(CNN)提高了2％～3％.另外,CNN类方法比普通的机器学习方法更有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王浩	合肥工业大学计算机与信息工程学院	193	1473	20.0	29.0
2	方宝富	合肥工业大学计算机与信息工程学院	35	145	8.0	10.0
3	李天赐	合肥工业大学计算机与信息工程学院	1	0	0.0	0.0