王 勇，张索宇，吕心怡

1(重庆理工大学 人工智能学院，重庆 401135)

2(重庆理工大学 计算机科学与工程学院，重庆 400054)

1 引 言

现今，大量带有情感色彩的评价文本在各种网站上呈指数级地增长，如何从这海量数据中获取有价值的信息显得越来越有必要.情感分析(Sentiment Analysis)任务作为自然语言处理中一项基础工作，非常适用于此类场景，值得研究者们进一步探究.情感分析又称情感分类，以挖掘或检测出文本的主观意见和情感倾向为目标.

情感分析的方法主要分为3种即传统方法、机器学习方法和深度学习方法.众多研究发现通过深度学习的方法对文本情感分析具有更长远的应用前景.传统文本情感分析需要用到人工构建的情感词典.ShePherd等人首次使用文本数据来构建语义词典.

基于机器学习的文本情感分析通过建模提取特征的方法自动判别情感极性.Pang等[1]在英文电影评价数据上运用机器学习模型来处理二分类的文本情感分析任务.情感分析的基础任务即是利用语言模型合理地表示文本，作为模型的输入.较早提出的传统语言模型有词袋模型[2]、向量空间模型，此类语言模型忽略了上下文语义关系.分布式的词向量表示方法(Distributed Representation)通过构造词向量空间，将所有词映射成短向量后以空间距离来衡量相似性.分布式表示方法的运用，相较传统语言模型在抽象词语特征时更为科学合理.Mikolov等[3]以分布示表示方法为理论基础提出了连续词袋(Continuous Bag-of-Words，CBOW)和跳……