基于CNN与词语邻近特征的情感分类模型

来源：计算机工程杂志2018年第5期北京时间：

作者：吕超,杨超,李仁发

单位：湖南大学 信息科学与工程学院,长沙 410082

摘要：基于卷积神经网络(CNN)的方法在情感分类任务中得到广泛应用,该方法使用词向量作为网络的输入,但是,在卷积过程中每个词向量只能表征一个单词,并不蕴含上下文信息,导致了信息传递连续性的降低。为此,构建一种基于词语邻近特征的CNN模型,在卷积过程中让每个词向量携带邻近词语的特征,既保证信息传递的连续性,也保证词向量在局部范围内的序列性。实验结果表明,在COAE2014(二分类)和COAE2015(三分类)的情感分类任务上,该模型的准确率分别达到89.43%和85.61%,验证了其可行性和高效性。

关键词：情感分类,卷积神经网络,词向量,连续性,序列性,邻近特征

基金资助：国家自然科学基金(61173036);国家高技术研究发展计划项目(2012AA01A301-01);湖南省科技计划项目(2015GK3015)。