赵海燕 杜丽娟 刘琨 王廷梅 刘建国

（北京联合大学 北京市 100012）

情感类文本数据的识别和挖掘是一种跨领域研究，包括心理学、自然语言信息处理、机器学习等，具有重要的价值。情感类文本数据是大众对产品、服务、组织等对象评价观点、情感认可态度的描述。随着观点信息的快速增加，需要借助计算机来处理那些人工无法处理的海量信息，对电商平台及社交网络的文本数据进行分析和识别，从而挖掘出其背后巨大的商业价值[1]。情感类文本数据蕴含关系的识别和挖掘，决定了其在互联网信息时代具有重要的研究意义。为此，本文对基于深度学习的情感类文本数据蕴含关系识别方法进行研究

1 基于深度学习的情感类文本数据蕴含关系识别方法

1.1 基于CNN与BiLSTM融合的文本数据对象识别

为了实现对情感类文本数据蕴含关系的有效识别，本章采用将CNN 与BiLSTM 进行融合的方式，对文本数据对象进行初步识别。其中CNN 表示为卷积神经网络；BiLSTM 表示为双向长短记忆网络[2-3]。其中CNN 包括文本数据词汇嵌入层、网络卷积层、操作池层，当前端输入情感类文本数据时，需要先对词向量进行参数分析。假定数据量为100.0 维度时，可在终端增加一个3.0×100.0 维度的分类器，设定分类器数量为128.0个，识别的步长为1.0。按照卷积操作，对情感类文本数据中的关键特征进行针对性提取，并在此基础上，删除数据集合中存在的冗余特征值，以此种方式，生成一个具有固定维度的情感类文本数据特征向量。……