文献类型：期刊文章

作　　者：郑啸[1] 王义真[1] 袁志祥[1] 秦锋[1]

机构地区：[1]安徽工业大学计算机科学与技术学院

出　　处：《电子测量与仪器学报》

基　　金：国家重点研发计划(2016YFF020440508);安徽省科技重大专项(16030901060);安徽省高校自然科学研究重大项目(KJ2014ZD05);安徽省高校优秀青年人才支持计划资助项目

年　　份：2018

卷　　号：32

期　　号：3

起止页码：195-200

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2017_2018、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：微博短文本情感分析的目的是发现用户对热点事件的观点及态度。已有的方法大多是基于词袋模型,然而,词袋模型无法准确捕获带有情感倾向性的语言表现特征。结合卷积神经网络(CNN)和长短期记忆网络(LSTM)模型的特点,提出了卷积记忆神经网络模型(CMNN),并基于此模型来解决情感分析问题。与传统算法相比,模型避免了具体任务的特征工程设计;与CNN和LSTM相比,模型既能够有效提取短文本局部最优特征,又能够解决远距离的上下文依赖。通过在COAE2014数据集上的实验来验证了模型对微博短文本情感分析的有效性。并与CNN、LSTM以及传统模型SVM做了实验对比,结果表明,模型对于微博短文本情感分析在性能上优于其他3种模型。

关 键 词：微博短文本  情感分析 神经网络 卷积记忆神经网络  

分 类 号：TP183] TP391.1]