文献类型：期刊文章

作　　者：王煜涵[1] 张春云[1] 赵宝林[2] 袭肖明[1] 耿蕾蕾[1] 崔超然[1]

Wang Yuhan;Zhang Chunyun;Zhao Baolin;Xi Xiaoming;Geng Leilei;Cui Chaoran(School of Computer Science and Technology,Shandong University of Finance and Economics,Jinan,250014,China;Storage R&D Department,Inspur Electronic Information Industry Co.,Ltd,Jinan,250101,China)

机构地区：[1]山东财经大学计算机科学与技术学院,济南250014 [2]浪潮电子信息产业股份有限公司存储研发部,济南250101

出　　处：《数据采集与处理》

基　　金：山东省高等学校优势学科人才团队培育计划资助项目;山东省自然科学杰出青年基金(JQ201316)资助项目;山东省自然科学基金(ZR2016FQ18)资助项目;山东省高等学校科技计划(J17KA065)资助项目

年　　份：2018

卷　　号：33

期　　号：5

起止页码：921-927

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：随着社交网络的日益普及,基于Twitter文本的情感分析成为近年来的研究热点。Twitter文本中蕴含的情感倾向对于挖掘用户需求和对重大事件的预测具有重要意义。但由于Twitter文本短小和用户自身行为存在随意性等特点,再加之现有的情感分类方法大都基于手工制作的文本特征,难以挖掘文本中隐含的深层语义特征,因此难以提高情感分类性能。本文提出了一种基于卷积神经网络的Twitter文本情感分类模型。该模型利用word2vec方法初始化文本词向量,并采用CNN模型学习文本中的深层语义信息,从而挖掘Twitter文本的情感倾向。实验结果表明,采用该模型能够取得82.3%的召回率,比传统分类方法的分类性能有显著提高。

关 键 词：Twitter文本  情感分析 词向量模型  卷积神经网络

分 类 号：TP391.1]