基于多样化特征卷积神经网络的情感分析

doi:10.19678/j.issn.1000-3428.0050338

计算机工程 ›› 2019, Vol. 45 ›› Issue (4): 169-174,180. doi: 10.19678/j.issn.1000-3428.0050338

基于多样化特征卷积神经网络的情感分析

蔡林森,彭超,陈思远,郭兰英

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

收稿日期:2018-01-29 出版日期:2019-04-15 发布日期:2019-04-15
作者简介:蔡林森(1992—),男,硕士研究生,主研方向为自然语言处理、情感分析;彭超,副教授、博士;陈思远、郭兰英,硕士研究生。
基金资助:
国家自然科学基金(61232006);上海市自然科学基金(14ZR1412400)。

Sentiment Analysis Based on Multiple Features Convolutional Neural Networks

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

Received:2018-01-29 Online:2019-04-15 Published:2019-04-15

摘要/Abstract

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

Abstract:

In the task of Micro-Blog sentiment analysis,the deep neural-based models are difficult to make full use of the sentiment information.To solve this problem,a Multiple Features Convolutional Neural Networks(MF-CNN) model is proposed.The emotional information in sentences is effectively utilized by combining the abstract features of words and two kinds of calculation methods of neural model input matrix,and then the sentiment classification result is optimized.The sentiment analysis is carried out on COAE2014 and Micro-Blog text data set,and the results show that the classification effect of MF-CNN model is better than that of traditional classifier and deep Convolutional Neural Network(CNN) model.

Key words: sentiment analysis, deep learning, sentiment feature, Convolutional Neural Network(CNN), natural language processing

中图分类号:

TP393.04

蔡林森,彭超,陈思远,郭兰英. 基于多样化特征卷积神经网络的情感分析[J]. 计算机工程, 2019, 45(4): 169-174,180.

CAI Linsen,PENG Chao,CHEN Siyuan,GUO Lanying. Sentiment Analysis Based on Multiple Features Convolutional Neural Networks[J]. Computer Engineering, 2019, 45(4): 169-174,180.

https://www.ecice06.com/CN/Y2019/V45/I4/169

参考文献

［1］PANG B,LEE L.Opinion mining and sentiment analysis［J］.Foundations and Trends in Information Retrieval,2008,2(1/2):1-135.
［2］HU M,LIU B.Mining and summarizing customer reviews［C］//Proceedings of the 10th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.New York,USA:ACM Press,2004:168-177.
［3］王仲远,程健鹏,王海勋,等.短文本理解研究［J］.计算机研究与发展,2016,53(2):262-269.
［4］JOSHI A,BALAMURALI A R,BHATTACHARYYA P,et al.C-Feel-It:a sentiment analyzer for micro-blogs［C］//Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics:Human Language Tech-nologies:Systems Demonstrations.Stroudsburg,USA:Association for Computational Linguistics,2011:127-132.
［5］CHESLEY P,VINCENT B,XU L,et al.Using verbs and adjectives to automatically classify blog sentiment［J］.Training,2006,580(263):233-235.
［6］BOIY E,MOENS M F.A machine learning approach to sentiment analysis in multilingual Web texts［J］.Information Retrieval,2009,12(5):526-558.
［7］KIM Y.Convolutional neural networks for sentence classification［C］//Proceedings of 2014 Conference on Empirical Methods in Natural Language Processing.Stroudsburg,USA:Association for Computational Linguistics,2014:1746-1751.
(下转第180页)
(上接第174页)
［8］WANG X,LIU Y,SUN C,et al.Predicting polarities of Tweets by composing word embeddings with long short-term memory［C］//Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing.Stroudsburg,USA:Association for Computational Linguistics,2015:1343-1353.
［9］QIAN Q,HUANG M,ZHU X.Linguistically regularized LSTMs for sentiment classification［C］//Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics.Stroudsburg,USA:Association for Computa-tional Linguistics,2017:1679-1689.
［10］刘龙飞,杨亮,张绍武,等.基于卷积神经网络的微博情感倾向性分析［J］.中文信息学报,2015,29(6):159-165.
［11］陈钊,徐睿峰,桂林,等.结合卷积神经网络和词语情感序列特征的中文情感分析［J］.中文信息学报,2015,29(6):172-178.
［12］何炎祥,孙松涛,牛菲菲,等.用于微博情感分析的一种情感语义增强的深度学习模型［J］.计算机学报,2016,40(4):773-790.
［13］BOIY E,MOENS M F.A machine learning approach to sentiment analysis in multilingual Web texts［J］.Information Retrieval,2009,12(5):526-558.
［14］张志琳,宗成庆.基于多样化特征的中文微博情感分类方法研究［J］.中文信息学报,2015,29(4):134-143.
［15］MIKOLOV T,SUTSKEVER I,CHEN K,et al.Distributed representations of words and phrases and their compositionality［C］//Proceedings of the 27th Advances in Neural Information Processing Systems.Cambridge,USA:MIT Press,2013:3111-3119.
［16］COLLOBERT R,WESTON J,BOTTOU L,et al.Natural language processing (almost) from scratch［J］.Journal of Machine Learning Research,2011,12(8):2493-2537
［17］ZEILER M D.ADADELTA:an adaptive learning rate method［EB/OL］.［2018-01-05］.https://arxiv.org/pdf/1212.5701.pdf.

[1]	魏嵬, 丁香香, 郭梦星, 杨钊, 刘辉. 文本相似度计算方法综述[J]. 计算机工程, 2024, 50(9): 18-32.
[2]	王志浩, 钱沄涛. 基于Swin Transformer的双流遥感图像时空融合超分辨率重建[J]. 计算机工程, 2024, 50(9): 33-45.
[3]	李俊俊, 董建刚, 李坤. 基于Kubernetes的集群节能策略研究[J]. 计算机工程, 2024, 50(9): 82-91.
[4]	张鲁, 田春伟, 宋焕生, 刘侍刚. 用于低剂量CT图像去噪的多级双树复小波网络[J]. 计算机工程, 2024, 50(9): 266-275.
[5]	朱凯, 李理, 张彤, 江晟, 别一鸣. 基于Transformer的多阶段运动模糊图像修复网络[J]. 计算机工程, 2024, 50(9): 276-285.
[6]	张天鹏, 韩晶, 吕学强. 基于多任务学习的超分辨率辅助小目标检测[J]. 计算机工程, 2024, 50(9): 304-312.
[7]	高煜宝, 文志诚. 基于注意力机制的双路解码器图像去噪方法[J]. 计算机工程, 2024, 50(9): 324-332.
[8]	张华青, 夏张涛, 陆晓庆, 童基均. 基于字形特征的血管外科命名实体识别[J]. 计算机工程, 2024, 50(8): 13-21.
[9]	王蕾, 党时鹏, 潘丰. 基于卷积神经网络的隐匿性旁路预测模型[J]. 计算机工程, 2024, 50(8): 40-49.
[10]	张亚洲, 和玉, 戎璐, 王祥凯. 基于上下文知识增强型Transformer网络的抑郁检测[J]. 计算机工程, 2024, 50(8): 75-85.
[11]	高伟, 李帅龙, 茆琳, 王磊, 李颖颖, 韩林. 一种基于TVM的算子生成加速策略[J]. 计算机工程, 2024, 50(8): 353-362.
[12]	王宇, 祁琦, 王纯, 许才. 储能变流器信号高精度故障诊断方法[J]. 计算机工程, 2024, 50(8): 389-396.
[13]	耿丽丽, 牛保宁. 基于通道相似度熵的卷积神经网络裁剪[J]. 计算机工程, 2024, 50(7): 133-143.
[14]	张洋, 刘畅, 李少青. 基于可控制性度量的图神经网络门级硬件木马检测方法[J]. 计算机工程, 2024, 50(7): 164-173.
[15]	牛瑞婷, 严天峰, 高锐, 王映植. 低信噪比下基于深度学习TCNN-MobileNet的调制识别[J]. 计算机工程, 2024, 50(7): 204-215.

选择文件类型/文献管理软件名称

选择包含的内容

基于多样化特征卷积神经网络的情感分析

Sentiment Analysis Based on Multiple Features Convolutional Neural Networks

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于多样化特征卷积神经网络的情感分析

Sentiment Analysis Based on Multiple Features Convolutional Neural Networks

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价