应伟志，于 青

（天津理工大学计算机科学与工程学院，天津300384）

文本情感分析是网络舆情分析的一个关键任务，也是自然语言处理领域的一个重要研究方向[1]。深度学习技术目前已经成功地应用于自然语言处理领域[2-4]，有许多学者对其进行了研究。DERIU等[5]使用大量数据用于训练卷积神经网络（convolutional neural network，CNN），并将预测结果与随机森林分类器相结合，优化了情感极性分类。TANG等[6]提出了利用情感嵌入将文本的情感与词的情境共同编码，并开发出能够裁剪损失的神经网络。吴冬茵等[7]提出了使用深度神经网络得到文本表示，然后基于高斯过程迁移数据集，提高文本的情感分析性能。ZHANG等[8]提出了一种基于语义规则的邻域适应环境的情感分析胶囊网络（capsule network，CapsNet），可以增强句子的综合表示学习。

上述文献在情感分析领域做了大量有益的工作。然而，上述文献并没有充分利用文本的前向和后向信息，而且提取文本信息的方法也存在着局限性。因此，本文提出了一种基于双向门控循环神经网络（bidirectional gated recurrent neural network，BGRU）和CapsNet的情感分析算法来解决上述问题。

1 准备工作

1.1 双向门控循环神经网络

标准的循环神经网络（recurrent neural network，RNN）利用上文信息按照正向输入序列的方式来处理序列问题，但不考虑下文信息。针对这一问题，SCHUSTER等[9]提出了双向循环神经网络（bidirectional recurrent neural network，BRNN）模型。该模型能够同时存储上下文信息，它的核心思想是：利用两个RNN依次处理正向和反向序列，然后将各自的输出共同连接到输出层中，进而记录相关信息。……