基于卷积神经网络和XGBoost的情感分析模型

• 作者: 尹伟石 方明 韩涛
• 来源期刊: 复旦学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 XGBoost 情感分析
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 560-564
• 页数: 5页
• 分类号: TP391.1
• 字数: 3684字
• 语种: 中文

摘要

情感分析是文本信息挖掘中的重要任务之一,在个性化推荐、舆情分析等方面具有重要的理论和应用价值,但情感分析对于短文本和长文本部分内容进行分析时准确率不高.本文利用卷积神经网络(CNN)模型在特征提取方面的优势,提出了一种结合XGBoost的高精度分类的卷积神经网络混合模型.该模型利用XGBoost进行回归分析,很好地解决了在卷积神经网络中使用softmax来进行回归分析时导致的准确度不高的问题,在对短文本和长文本部分内容进行情感分析时有良好的效果.最后在多个类的数据集上进行实验,取得了比卷积神经网络模型和时间递归神经网络更好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方明	长春理工大学计算机学院	35	109	6.0	9.0
2	尹伟石	长春理工大学理学院	29	18	3.0	3.0
3	韩涛	长春理工大学理学院	3	2	1.0	1.0