基于特征选择和深度信念网络的文本情感分类算法

• 作者: 向进勇 吾守尔·斯拉木 杨文忠
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 深度信念网络 深度学习 特征选择 半监督的情感分类算法 受限波尔兹曼机 文本情感分类
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 1942-1947
• 页数: 6页
• 分类号: TP391.1
• 字数: 7847字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018112363

摘要

由于人类语言的复杂性,文本情感分类算法大多都存在因为冗余而造成的词汇量过大的问题.深度信念网络(DBN)通过学习输入语料中的有用信息以及它的几个隐藏层来解决这个问题.然而对于大型应用程序来说,DBN是一个耗时且计算代价昂贵的算法.针对这个问题,提出了一种半监督的情感分类算法,即基于特征选择和深度信念网络的文本情感分类算法(FSDBN).首先使用特征选择方法(文档频率(DF)、信息增益(IG)、卡方统计(CHI)、互信息(MI))过滤掉一些不相关的特征从而使词汇表的复杂性降低;然后将特征选择的结果输入到DBN中,使得DBN的学习阶段更加高效.将所提算法应用到中文以及维吾尔语中,实验结果表明在酒店评论数据集上,FSDBN在准确率方面比DBN提高了1.6％,在训练时间上比DBN缩短一半.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨文忠	新疆大学信息科学与工程学院	68	208	7.0	12.0