文献类型：期刊文章

作　　者：陈珂[1] 梁斌[2] 左敬龙[1] 朱兴统[1]

CHEN Ke;LIANG Bin;ZUO Jinglong;ZHU Xingtong(College of Computer,Guangdong University of Petrochemical Technology,Maoming 525000,China;School of Computer Science and Technology,Harbin Institute of Technology(Shenzhen),Shenzhen 518055,China)

机构地区：[1]广东石油化工学院计算机学院,广东茂名525000 [2]哈尔滨工业大学(深圳)计算机科学与技术学院,广东深圳518055

出　　处：《郑州大学学报（理学版）》

基　　金：国家自然科学基金项目(61172145);广东省自然科学基金项目(2016A030307049,2018A030307032);广东省高等院校学科与专业建设专项资金项目(2016KTSCX090)。

年　　份：2020

卷　　号：52

期　　号：3

起止页码：21-26

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、IC、JST、MR、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：提出一种多粒度门控卷积神经网络(multiple grains-gated convolutional neural networks,MG-GCNN)模型。该模型通过结合词语和单字层面的上下文信息作为网络的输入信息,使网络模型可以充分利用上下文中不同粒度的文本特征信息,并且通过门控操作有效控制不同粒度信息的更新和传递。在不同领域微博文本数据集上的实验结果表明,所提出的MG-GCNN模型取得了比传统分类模型和深度网络模型更好的情感分类效果。

关 键 词：中文微博情感分析  门控网络  深度学习  卷积神经网络 自然语言处理

分 类 号：TP391]