论文研究-基于wordembedding和CNN的情感分类模型.pdf

【文件属性】：
文件名称：论文研究-基于wordembedding和CNN的情感分类模型.pdf
文件大小：1.02MB
文件格式：PDF
更新时间：2022-08-11 16:04:11
卷积神经网络,自然语言处理,深度学习,词嵌入,情感分类 尝试将word embedding和卷积神经网络（CNN）相结合来解决情感分类问题。首先，利用skip-gram模型训练出数据集中每个词的word embedding，然后将每条样本中出现的word embedding组合为二维特征矩阵作为卷积神经网络的输入，此外每次迭代训练过程中，输入特征也作为参数进行更新；其次，设计了一种具有三种不同大小卷积核的神经网络结构，从而完成多种局部抽象特征的自动提取过程。与传统机器学习方法相比，所提出的基于word embedding和CNN的情感分类模型成功地将分类正确率提升了5.04%。