赵天锐

(战略支援部队信息工程大学 洛阳校区，河南 洛阳471000)

0 引 言

情感分析本质上属于文本分类任务，是以文本中包含的情感倾向为标准，对文本进行分类。随着计算机和互联网的不断发展，对海量文本信息进行处理、分析后得出信息中的情感分布成为可能。对社交媒体、新闻评论等进行情感分析后得到的结论，也可以进一步应用在舆情分析、观点挖掘等领域当中。

传统情感分析方法分为基于情感词典的方法和基于机器学习的方法，两种方法各有所长。而随着深度学习技术的持续进步，提出了将深度学习和词向量相结合，引入情感分析领域的研究方法。目前在自然语言处理领域，词向量是具有代表性的语义分布式表示方式，其中具有代表性的是Word2Vec［1］和FastText［2］。但是，目前大部分相关研究都是基于英文、中文等通用语。而对韩语而言，无论是韩国国内学者还是国际学者，对韩语情感分析的研究成果较少。因此，本文利用网络爬虫，爬取韩语影评语料形成语料库，使用FastText方法训练词向量，而后使用多个深度学习模型进行对比实验，寻找适合韩语的情感分析模型。进而提出融合卷积神经网络和双向长短时记忆网络，并加入Self-Attention机制的韩语情感分析模型，并在自建的韩语数据集上证明了该模型的有效性。

1 相关研究

情感分析最早是由Pang等［3］于2002年提出的概念。近来，深度学习因在自然语言处理任务中逐渐显露出优越的性能［4］，受到越来越多的关注。……