期刊论文

刘龙飞

杨亮,张绍武,林鸿飞

2015-11-15

中文信息学报

PKU、ISTIC、CSCD

J

29

6

159-165

1003-0077

深度学习;情感倾向性分析;卷积神经网络;词向量

微博情感倾向性分析旨在发现用户对热点事件的观点态度.由于微博噪声大、新词多、缩写频繁、有自己的固定搭配、上下文信息有限等原因,微博情感倾向性分析是一项有挑战性的工作.该文主要探讨利用卷积神经网络进行微博情感倾向性分析的可行性,分别将字级别词向量和词级别词向量作为原始特征,采用卷积神经网络来发现任务中的特征,在COAE2014任务4的语料上进行了实验.实验结果表明,利用字级别词向量及词级别词向量的卷积神经网络分别取得了95.42％的准确率和94.65％的准确率.由此可见对于中文微博语料而言,利用卷积神经网络进行微博情感倾向性分析是有效的,且使用字级别的词向量作为原始特征会好于使用词级别的词向量作为原始特征.