文献类型：期刊文章

作　　者：林江豪[1,2] 周咏梅[1,2] 阳爱民[1,2] 陈锦[1,3]

LIN Jianghao;ZHOU Yongmei;YANG Aimin;CHEN Jin(Laboratory for Language Engineering and Computing, Guangdong University of Foreign Studies, Guangzhou 510006, Guangdong, China;School of Information Science and Technology, Guangdong University of Foreign Studies, Guangzhou 510006, Guangdong, China;International College, Guangdong University of Foreign Studies, Guangzhou 510420, Guangdong, China)

机构地区：[1]广东外语外贸大学语言工程与计算实验室,广东广州510006 [2]广东外语外贸大学信息科学与技术学院,广东广州510006 [3]广东外语外贸大学国际学院,广东广州510420

出　　处：《山东大学学报（工学版）》

基　　金：教育部人文社会科学资助项目(14YJA740011);广东省教育厅科技创新资助项目(2013KJCX0067);广东省哲学社会科学"十二五"规划资助项目(GD15YTS01);广东省科技计划资助项目(2017A040406025);广东外语外贸大学教改资助项目(GWJY2017046)

年　　份：2018

卷　　号：48

期　　号：3

起止页码：40-47

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、IC、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对现有领域情感词典在情感和语义表达等方面的不足,提出一种基于词向量的领域情感词典构建方法。利用25万篇新闻语料和10万余条酒店评论数据,训练得到word2vec模型;选择80个情感明显、内容丰富、词性多样化的情感词作为种子词集;利用TF-IDF值在词汇重要程度的度量作用,在酒店评论中获得9 860个领域候选情感词汇;通过计算候选情感词与种子词的词向量之间的语义相似度,将情感词映射到高维向量空间,实现了情感词的特征向量表示(Senti2vec)。将Senti2vec应用于情感词极性分类和文本情感分析任务中,试验结果表明,Senti2vec能实现情感词的语义表示和情感表示;基于特定领域语料的语义相似计算,使得提取的情感特征更具有领域特性,同时不受候选情感词集范围的约束。

关 键 词：领域情感词典  word2vec  情感词  情感特征向量  语义相似度

分 类 号：TP391.1]