基于多维扩展特征与深度学习的微博短文本情感分析

来源：电子与信息学报杂志2017年第9期北京时间：

作者：孙晓, 彭晓琪, 胡敏, 任福继

单位：1.(情感计算与先进智能机器安徽省重点实验室 合肥 230009) ②(德岛大学工学部 德岛 770-8509)

摘要：该文提出了一种基于深度信念网络(DBN)和多维扩展特征的模型，实现对中文微博短文本的情感分类。为降低传统文本分类方法在处理微博短文时特征稀疏的影响，引入社交关系网络作为扩展特征，依据评论者和博主之间的社交关系，提取相关评论扩展原始微博，将扩展后的多维特征作为深度信念网络的输入。通过叠加多层玻尔兹曼机(RBM)构建DBN模型底层网络结构，多层玻尔兹曼机可以对原始输入抽象并获得数据的深层语义特征。在多个RBM层上叠加一层分类玻尔兹曼机(ClassRBM)，实现最终情感分类。实验结果表明，通过调整模型参数和网络结构，构建的深度学习模型在情感分类中能够获得比SVM和NB等浅层分类系统更优的结果，另外，实验证明使用扩展多维特征方法可提高短文本情感分类的性能。

关键词：社交网络, 深度信念网络, 扩展多维特征, 受限玻尔兹曼机, 分类受限玻尔兹曼机

基金资助：国家自然科学基金(61432004)，模式识别国家重点实验室开放课题(NLPR)(201407345)，安徽省自然科学基金(1508085 QF119)，中国博士后科学基金(2015M580532)