黄萍　朱惠娟　陈琳琳

摘  要：传统机器学习的自然语言处理系统特别依赖人工手动标记的特征，极其耗时且容易出现维度爆炸等难以解决的问题。本文采用基于卷积神经网络（CNN）的深度学习技术来解决这一问题。通过收集校园热点话题进行预处理以及运用Word2vec模型生成词向量后，运用卷积神经网络提取其中的特征并进行情感倾向分类。通过实验数据的比较，基于卷积神经网络（CNN）的情感倾向分类获得了89.76%的准确率，较传统的支持向量机（SVM）提高了7.3%，获得更好的分类性能。本文的研究对高校治理能力和治理体系现代化建设具有积极作用。

关键词：自然语言处理;卷积神经网络;情感倾向分析;舆情分析

中图分类号：TP39     文献标识码：A

Application of Emotion Classification Technology based on Deep

Learning in University Public Opinion Analysis

HUANG Ping， ZHU Huijuan， CHEN Linlin

（Zijin College， Nanjing University of Science and Technology， Nanjing 210000， China）

huangping984@njust.edu.cn; elainezhj@qq.com; chenlinlin606@njust.edu.cn

Abstract： Traditional natural language processing systems for machine learning rely heavily on manually marked features， which are extremely time-consuming and prone to difficult problems like dimensional explosions. This paper proposes to use CNN-based （Convolutional Neural Network） deep learning technology to solve this problem. After hot topics on campus are collected for preprocessing and generating word vectors using word2vec model， CNN is used to extract features and classify emotional tendencies. Through experimental comparison， the emotion tendency classification based on CNN has an accuracy of 89.76%， which is 7.3% higher than that of traditional Support Vector Machine （SVM） and has better classification performance. This research plays a positive role in the modernization of university governance ability and governance system.

Keywords： natural language processing; convolutional neural network; emotion tendency analysis; public opinion

analysis

1   引言（Introduction）

隨着信息技术的迅速发展和自媒体的普及，网络对大学生的思维方式、思想观念、人际交往和学习生活产生了深刻影响，各个高校校园文化的展示不再局限于校园内部，各种虚拟网络平台也成为校园文化交流和展示的平台。借助自媒体平台，学生们可以随时随地在社交网络上发表自己的观点和见解，而且这些观点和见解往往是带有明显的情感倾向的，在一定程度上，这些正面或负面的高校网络舆情也客观地反映出校园文化的健康程度。如何在海量的数据中捕获到用户的情感倾向信息，挖掘出带有情绪和喜恶的主观信息，是情感倾向分类要做的主要工作。情感倾向分类可以对文本所表达的带有主观情感色彩的信息进行处理、挖掘，并分析其中包含的积极或消极信息，通过判断信息的情绪极性进行舆情态势感知和预警，有助于对极端情绪的检测与控制。……