基于Senti-PMU模型的文本情感分析

• 作者: 余亮 蒋玉明
• 来源期刊: 现代计算机
• 关键词: 文本情感分析 PMU Senti-PMU MLSM SentiWordNet
• 年，卷（期）: 2020,（29）
• 所属期刊栏目: 研究与开发
• 页码范围: 19-24
• 页数: 6页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.29.003

摘要

随着互联网技术的高速发展,互联网通讯产生的信息量也指数级地增加.这些庞大的数据资源库给情感分析提供了取之不竭的语料信息.如何利用这些文本数据训练出优秀的自然语言处理的网络模型是NLP的热点研究方向之一.提出一种由输入文本情感值调控的神经网络模型Senti-PMU.Senti-PMU是基于节制记忆单元(PMU)的神经网络,PMU从结果精度、模型复杂度、训练时长都要优于传统循环神经网络模型.Senti-PMU保留PMU模型的原有结构,加入潜在语义增强模型(MLSM)思路.通过对比情感词典SentiWordNet与输入文本,得到每个命名实体的情感值,根据情感值动态地调节输入文本与记忆单元隐藏信息的权重:情感值越大,则表明该命名实体对于整体文本情感极性的贡献越大,记忆单元需要对这部分文本保留更多的信息量;情感值越小,记忆单元则对该命名实体保留更少的信息量.实验表明,Senti-PMU在同种数据集上,结果精度要优于传统循环神经网络模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋玉明		80	842	16.0	26.0
2	余亮		2	10	1.0	2.0