代 丽,樊粤湘,陈 思

(浙江理工大学 经济管理学院,杭州 310018)

随着Web2.0 和移动设备通讯地不断发展,越来越多的人喜欢在微博、购物网站等社交平台上参与互动与交流,互联网上的文本信息也因此呈现出迅猛增长的趋势.大量文本信息通常体现了个人的观点和情感的表达,若能够利用分析技术准确挖掘出其中所包含的信息价值并充分利用,无论是对国家在舆情控制方面还是对企业在决策制定方面都有着巨大的作用.因此,在当前充斥着海量文本数据的网络环境下,文本情感分析是一项十分重要的工作.

面对文本情感分析问题,很多学者都提出了十分有效的方法.根据研究的思路不同,主要可以分为基于情感词典的方法和基于机器学习的方法[1,2].基于情感词典的方法需要构造一个较为完善的词典对文本特征词进行情感色彩地判断,比较适合应用于传统的规范性文本,而对于网络上的频现新词和缩略词的短文本分析效果则不够理想,需要耗费大量的人力、时间以及财力等诸多成本去更新、维护词典；而基于机器学习的方法则需要人工构造特征,无法得到文本包含的句法和语义信息,是一种较为浅层的研究方法,无法学习复杂的函数,泛化能力较弱[3,4].随着互联网中的海量文本信息和语言多样化的表达的变化,以上这两种方法已经难以有效地解决企业决策的需求了.在2006年Hinton 等人提出了深度学习方法经过改进以……