融合情感特征的卷积神经网络情感分类模型
2021-12-07徐新燕张顺香
阜阳师范大学学报(自然科学版) 2021年4期
徐新燕,张顺香
(安徽理工大学 计算机科学与工程学院,安徽 淮南 232001)
1 引言
随着神经网络的不断研究,基于深度学习的方法被广泛应用到文本情感分析[1]任务中。卷积神经网络(convolution neural network,CNN)是目前比较热门的深度学习模型之一[2,3],但是传统的神经网络应用在情感分类中存在几个缺点:1)词向量特征输入太过单一,忽略词语自身的词性和情感特征。2)通常使用最大池化法来提取特征,忽略了粗糙的位置信息而导致的情感分析欠佳。
为了解决上述问题,本文提出的融合情感特征的情感分析模型,将词语、词性、词语情感特征向量化后拼接作为模型的输入层,利用多特征融合解决同词不同义问题和表达多情感特征信息;采用分段池化[4]的方法,综合句法结构位置特征,提高整个情感分类的准确性。

图1 融合情感特征的文本情感分析
2 相关工作
目前,情感分析主要有基于情感词典[5,6]和基于机器学习[7]两种方法,而随着神经网络的不断研究,基于深度学习[8,9]的方法被广泛应用到文本情感分析任务中。
首先,基于情感词典方法需要构建一个情感词典,然后对情感词的情感极性和强度进行手工标注,最后通过文本情感阈值来判断情感倾向。Zhang 等人通过程度副词词典的提取和构造,网络词词典、否定词词典等相关词典来扩展情感词典[10,11]。栗雨晴等人通过双语情感词典的构建对微博语料进行多类情感分析,以更精确的发现舆论倾向[12]。因为情感词典的构建需要大量的手工标注,所以分类的效率一般。……
登录APP查看全文
