文件名称：论文研究-基于deepbeliefnets的*语句子级情感分析.pdf
文件大小：1.41MB
文件格式：PDF
更新时间：2022-08-11 13:47:18
*语,情感分类,深度学习,深度信念网络,词语嵌入
针对*语句子情感信息，即喜、怒、哀、乐和客观五分类任务，提出了一种利用深度信念网络（deep belief nets，DBN）模型的深度学习机制进行基于深层语义特征的句子级情感分析方法。该方法通过对*语情感句及语言特点的深入研究，提取出利于情感分析任务的八项情感特征。为了提高特征对文本语义的表达，将富含词汇深层语义和上下文信息的word embedding特征与情感特征进行融合，作为深度信念网络的输入。利用多层无监督的波尔兹曼机（RBM）训练并提取隐含的深层语义特征，通过有监督的后向传播算法对网络进行微调，进而完成情感分类任务。该方法在*语句子级情感分类任务中的准确率为83.35%，召回率为84.42%，F值为83.88%。实验结果证明，深度学习模型较浅层的学习模型更合适于文本的情感分类任务，对word embedding特征项的引入，有效地提高了情感分类模型的性能。