邢长征 李 珊

(辽宁工程技术大学电子与信息工程学院 辽宁 葫芦岛 125105)

0 引 言

如今是一个信息爆炸的时代，如何利用这些海量的、庞杂的数据已慢慢成为了当下研究的热点内容[1]。随着近些年研究的深入和计算机硬件设备的改善，基于神经网络的模型越来越受到欢迎[1]，深度学习在人工智能方面的处理能力也初步提升，越来越受到人们的重视。深度学习是机器学习的一个分支，深度学习的概念最早由多伦多大学的G.E.Hinton等在2006年提出，指基于样本数据通过一定的训练方法得到包括多个层级的深度网络结构的机器学习过程[2]。

情感分析，也称为观点挖掘，指的是分析说话者在传达信息时所隐含的情感状态、态度、意见进行判断或者评估[3]。关于文本，整句的情感倾向性一般比较明确，其中正向情感表示褒义类：赞扬、喜悦、歌颂等；负向情感表示贬义类：贬斥、悲哀、嫉妒等[4-5]。在文本情感分析的发展过程中，人们使用了朴素贝叶斯算法、最大熵、决策树、支持向量机(SVM)等算法。这些方法都归属于浅层学习，函数模型和计算方法都不复杂，实现相对简单，导致这些算法在有限的样本和计算单元下无法表达复杂的函数，泛化能力较弱。浅层学习依靠人工经验抽取样本特征，网络学习后获得的是没有层次结构的单层特征，而深度学习通过对原始信号进行逐层特征变换，将样本在原空间的特征表示变换到新的特征空间，自动学习得到层次化的特征表示[4,6]。……