文献类型：期刊文章

作　　者：蔡林森[1] 彭超[1] 陈思远[1] 郭兰英[1]

CAI Linsen;PENG Chao;CHEN Siyuan;GUO Lanying(Shanghai Key Laboratory of Trustworthy Computing,School of Computer Science and Software Engineering,East China Normal University,Shanghai 200062,China)

机构地区：[1]华东师范大学计算机科学与软件工程学院上海市高可信计算重点实验室,上海200062

出　　处：《计算机工程》

基　　金：国家自然科学基金(61232006);上海市自然科学基金(14ZR1412400)

年　　份：2019

卷　　号：45

期　　号：4

起止页码：169-174

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：深度网络模型在微博情感倾向性分析过程中难以有效利用情感特征信息,为此,提出一种基于多样化特征信息的卷积神经网络(MF-CNN)模型。结合词语多样化的抽象特征和2种网络输入矩阵计算方法,利用句中的情感信息,以优化情感分类效果。在COAE2014和微博语料数据集上进行文本情感分析,结果表明,MF-CNN模型的情感分类效果优于传统的分类器和深度卷积神经网络模型。

关 键 词：情感分析 深度学习  情感特征 卷积神经网络 自然语言处理

分 类 号：TP393.04]