改进的CBOW情感信息获取研究

• 作者: 叶霞 尹列东 曹军博 许飞翔
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 词向量 CBOW模型 TF-IDF模型 情感分析
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 142-147
• 页数: 6页
• 分类号: TP391.1
• 字数: 5475字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1901-0050

摘要

大数据时代,文本的情感倾向对于文本潜在价值挖掘具有重要意义,然而人工方法很难有效挖掘网络上评论文本的潜在价值,随着计算机技术的快速发展,这一问题得到了有效解决.在文本情感分析中,获取词语的情感信息对于情感分析至关重要,词向量方法一般仅对词语的语法语义进行建模,但是忽略了词语的情感信息,无法更好地进行情感分析.通过TF-IDF算法模型获得赋权矩阵,构建停用词表,同时根据赋权矩阵生成Huffman树作为改进的CBOW算法的输入,引入情感词典生成情感标签辅助词向量生成,使词向量具有情感信息.实验结果表明,提出的方法对评论文本中获得的词向量能够较好地表达情感信息,情感分类结果优于传统模型.因此,该模型在评论文本情感分析中可以有效提升文本情感分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶霞	火箭军工程大学作战保障学院	10	19	3.0	4.0
2	许飞翔	火箭军工程大学作战保障学院	3	1	1.0	1.0
3	曹军博	火箭军工程大学作战保障学院	3	1	1.0	1.0
4	尹列东	火箭军工程大学作战保障学院	2	0	0.0	0.0