金 昊，王亚珅，李阳阳

（中国电子科技集团公司电子科学研究院，北京 100041）

1 引言

随着人工智能、大数据及互联网技术的不断发展，舆情监测分析系统也从人工阶段逐渐趋于智能化和自动化。然而，随着网民数量的增加以及网络空间的扩大，所产生的数据也呈爆炸式的增长，Facebook每天处理的数据超过500 TB，阿里巴巴拥有的数据量超过100 PB（1 PB=1 024 TB），新浪微博用户数超过5亿，每天产生的微博数超过1亿条[1]。面对海量舆情数据，急需一种有效的文本分类算法来自动识别和分类舆情信息。

文本解析分类作为自然语言处理（NLP）的基本任务之一，目标是将文本分配到对应的类别中，通常基于已有数据集（文本以及文本对应的类别标签）训练出一个模型，并使其有一定的泛化能力，从而能够对新文本的类别进行预测。文本解析分类可被用于语义分析、问题分类以及话题分类等。最早期的文本分类方法通过设定专家规则、构建专家系统进行分类，但费时费力、覆盖范围和准确率十分有限。后来随着统计学的发展，文本分类问题重视人工特征的提取与浅层分类模型。近期，随着深度学习在图像领域突飞猛进的发展，一些技术，如卷积神经网络（CNN）[2]、递归神经网络（RNN）[3]，也逐渐被应用在文本解析分类领域。

基于深度学习进行文本解析分类的方法将文本输入到一个深度网络，首先得到文本特征，然后将文本表示输入到分类器，最后通过softmax得到每个类别的概率。基于卷积神经网络（CNN）的模型可获得具有局部信息的文本特征；……