APP下载

基于CSLSTM网络的文本情感分类①

2018-03-02庄丽榕叶东毅

计算机系统应用 2018年2期
关键词:语义分类文本

庄丽榕,叶东毅

(福州大学 数学与计算机科学学院,福州 350108)

1 引言

情感分类旨在发现主观性文档中表达的态度和情感的倾向性.随着信息技术飞速发展,尤其是微博、微信等新社交网络的兴起,用户可以更加方便、及时的进行信息交流和意见表达.大量网络用户每天都会发布并传播高达上亿条的信息,这些海量的文本信息表达了用户观点倾向和情感信息.为了更好挖掘人们对评论事物的情感倾向,需要对这些评论信息进行情感分类,根据分类的结果制定相应的策略,因此文本情感分类具有广泛的实用价值[1,2].

由于文本情感分类的多领域融合性以及情感信息的价值可挖掘性,国内外学者在相关领域做了许多研究,并取得诸多成果,大致分为基于传统的机器学习和深度学习两个方向.

传统的机器学习方法,通过人工设计特征,将自然语言文本转化为结构化的特征向量提取情感特征,并构造情感分类器,将待分类的文本通过分类器进行情感倾向性分类.Pang[3]最早将机器学习方法应用到文本情感分类中,把n-gram和词性进行组合作为情感特征,之后分别采用朴素贝叶斯、最大熵和支持向量机(Support Vector Machine,SVM)分类器对电影评论进行情感分类.为了提高文本情感分类的精度,Kim[4]除了考察传统的n-gram模型外,还引入了位置特征和评价词特征来完成文本的情感分类.徐军等人[5]选择具有语义倾向的词语作为特征项,实验发现具有正负面情感的词语对……

登录APP查看全文

猜你喜欢

语义分类文本
分类算一算
语言与语义
在808DA上文本显示的改善
基于doc2vec和TF-IDF的相似文本识别
教你一招:数的分类
“上”与“下”语义的不对称性及其认知阐释
文本之中·文本之外·文本之上——童话故事《坐井观天》的教学隐喻
认知范畴模糊与语义模糊
如何快速走进文本
语义分析与汉俄副名组合