融合CNN和标签特征的中文文本情绪多标签分类

• 作者: 李德玉 王素格 罗锋
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 文本情绪分类 多标签分类 卷积神经网络 标签特征 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 65-71
• 页数: 7页
• 分类号: TP391
• 字数: 6259字
• 语种: 中文
• DOI: 10.13451/j.sxu.ns.2018138

摘要

文本情绪多标签分类是一种细粒度的文本情感分析,通过挖掘文本中蕴含的多种情绪信息,为文本分配多种所属的情绪标签.文章提出一种基于标签特征的卷积神经网络(CNN)情绪多标签分类方法,首先利用word2vec模型对文本进行词向量表示,然后利用标签特征来强化文本情绪和标签之间的联系,将其融合于CNN模型中,用于对文本情绪进行深层次的表示和多标签分类.为了验证方法的有效性,选取了CLR和LPLO两个多标签分类方法作为基准方法,在NLPCC2014的中文微博情绪分析数据集进行比较实验.结果 表明,使用标签特征的CNN模型,可以提升微博情绪的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李德玉	山西大学计算机与信息技术学院	83	753	12.0	24.0
3	王素格	山西大学计算机与信息技术学院	88	812	14.0	25.0
7	罗锋	山西大学计算机与信息技术学院	1	1	1.0	1.0