李辉，黄钰杰

(1.河南理工大学 物理与电子信息学院，河南 焦作 454000；2.河南理工大学 电气工程与自动化学院，河南 焦作 454000)

0 引 言

近年来，随着互联网产业快速发展，出现了众多新兴媒体，它们通过互联网可以获得用户评论、品牌、情感、政治和观点等大量数据。情感分析是一种特殊的文本挖掘工作，是从给定的文本中提取人们的态度或情感。目前,文本情感分析[1]是自然语言处理(natural language processing，NLP)领域中的研究热点，它是针对非结构化信息，挖掘其蕴涵的深层次情感或倾向。

目前，有很多使用基于机器学习的情感分析技术进行文本分析,取得了不错的效果[2-3]，但是这些方法不能有效地表达复杂的函数计算，并且需要人工选择数据特征，泛化能力较弱，而深度学习能够从原始数据中自动学习重要的数据特征，并处理各种复杂任务，在建模、解释、表达能力以及优化等方面优势明显。将深度学习应用于文本情感分析领域，极大地推进了文本情感分析的研究与发展[4]。G.E.Hinton等[5]提出了深度学习的概念，即利用深度学习网络构建一个高质量的语言模型处理自然语言问题。在现有的深度学习模型中最热门的网络模型是循环神经网络(recurrent neural network，RNN)模型[6]和卷积神经网络(convolutional neural network，CNN)模型[7]。CNN是目前应用最为广泛的一种深度学习结构，具有局部感受野、权值共享和下采样3个特点，使其在捕捉文本局部特征信息上具有很大的优势。它处理的是序列化特征信息，RNN是通过一种链式神经网络对历史信息进行储存和传播，减少网络的训练参数,提升训练速度。……