基于卷积神经网络和Tree-LSTM的微博情感分析

• 作者: 柴玉梅 王文凯 王黎明
• 来源期刊: 计算机应用研究
• 关键词: 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
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1371-1375
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.11.0735

摘要

微博情感分析旨在研究用户关于热点事件的情感观点,研究表明深度学习在微博情感分析上具有可行性.针对传统卷积神经网络进行微博情感分析时忽略了非连续词之间的相关性,为此将注意力机制应用到卷积神经网络(CNN)模型的输入端以改善此问题.由于中文微博属于短文本范畴,卷积神经网络前向传播过程中池化层特征选择存在丢失过多语义特征的可能性,为此在卷积神经网络的输出端融入树型的长短期记忆神经网络(LSTM),通过添加句子结构特征加强深层语义学习.在两种改进基础上构造出一种微博情感分析模型(Att-CTL),实验表明该模型在微博情感分析上具有优良的特性,尤其在极性转移方面仍保持较高的F1值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王黎明	郑州大学信息工程学院	81	602	14.0	20.0
2	柴玉梅	郑州大学信息工程学院	71	900	17.0	28.0
3	王文凯	郑州大学信息工程学院	6	20	2.0	4.0