本文選題：情感挖掘 + 短文本　； 參考：《計算機科學》2017年10期

【摘要】：針對中文短文本信息量少、特征稀疏等特點,面向微博短文本進行情感分類研究,為了更好地提取短文本情感特征,從評論轉發(fā)等上下文內容中挖掘具有語義遞進關系的語料對原文本進行擴展,并抽取具有潛在感情色彩的特征詞,采用Word2vec計算詞語相似度以進行候選特征詞擴展,最后引入深度信念網絡(Deep Belief Network,DBN)對候選特征詞進行深度自適應學習。在COAE(Chinese Opinion Analysis Evaluation)2015任務評測數據集上的實驗表明,該方法能夠有效地緩解短文本特征稀疏問題,并且能夠較為準確地挖掘情感特征,提高情感分類的準確率。
[Abstract]:In view of the characteristics of Chinese short text, such as less information and sparse features, the emotion classification research is carried out for Weibo short text, in order to extract the emotion feature of short text better, The original text is extended by mining the corpus with semantic progressive relation from the context such as comment and forwarding, and the feature words with potential emotional color are extracted. Word2vec is used to calculate the similarity of words in order to extend the candidate feature. Finally, a deep belief network (Deep Belief Network DBN) is introduced to study candidate features in depth adaptive learning. Experiments on the COAE(Chinese Opinion Analysis Evaluation)2015 task evaluation data set show that the proposed method can effectively alleviate the sparse problem of short text features and can mine emotional features accurately and improve the accuracy of emotion classification.
【作者單位】： 北京工業(yè)大學計算機學院;
【基金】：國家科技支撐計劃子課題(2013BAH21B02-01) 北京市自然科學基金資助項目(4153058) 上海市智能信息處理重點實驗室開放基金(IIPL-2014-004)資助
【分類號】：TP391.1

【相似文獻】

相關期刊論文 前10條

1 李政澤;韓毅;周斌;賈焰;;微博用戶分類的特征詞權重優(yōu)化及推薦策略[J];信息網絡安全;2012年08期

2 翟東海;杜佳;崔靜靜;聶洪玉;;基于雙粒度模型的中文情感特征詞提取研究[J];重慶郵電大學學報(自然科學版);2014年03期

3 李德容;干靜;張s，

本文編號：1930423