基于卷积神经网络模型的互联网短文本情感分类

作     者：刘小明 张英 郑秋生 LIU Xiao-ming;ZHANG Ying;ZHENG Qiu-sheng

作者机构：中原工学院计算机学院河南郑州450007 计算机信息系统安全评估河南省工程实验室河南郑州450007 

出 版 物：《计算机与现代化》 (Computer and Modernization)

年 卷 期：2017年第4期

页      面：73-77页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(U1304611) 河南省科技攻关计划项目(132102310284) 河南省教育厅科学技术研究重点项目(14A520015) 郑州市科技攻关项目(131PPTGG416-4) 

主　　题：互联网短文本 情感分类 卷积神经网络 自然语言处理 深度学习 

摘      要：情感分类旨在发现用户对热点事件的观点态度,但由于现今互联网短文本格式随意,语言规范性不够,所以目前传统方法的情感分类效果并不理想。面向大数据互联网短文本信息,本文提出一种基于深度卷积神经网络(Convolutional Neural Networks,CNNs)模型的互联网短文本分类。首先选择词向量作为原始特征,然后通过卷积神经网络进一步提取特征,最后训练出基于深度卷积神经网络的互联网短文本情感分类模型。实验结果表明,该模型不仅可以有效处理互联网短文本中的情感分类这一任务,而且明显提高了情感分类的准确率,平均提高约5%。