改进的CBOW情感信息获取研究

来源：计算机工程与应用杂志2020年第9期北京时间：

作者：曹军博，叶霞，许飞翔，尹列东

单位：火箭军工程大学 作战保障学院，西安 710025

摘要：大数据时代，文本的情感倾向对于文本潜在价值挖掘具有重要意义，然而人工方法很难有效挖掘网络上评论文本的潜在价值，随着计算机技术的快速发展，这一问题得到了有效解决。在文本情感分析中，获取词语的情感信息对于情感分析至关重要，词向量方法一般仅对词语的语法语义进行建模，但是忽略了词语的情感信息，无法更好地进行情感分析。通过TF-IDF算法模型获得赋权矩阵，构建停用词表，同时根据赋权矩阵生成Huffman树作为改进的CBOW算法的输入，引入情感词典生成情感标签辅助词向量生成，使词向量具有情感信息。实验结果表明，提出的方法对评论文本中获得的词向量能够较好地表达情感信息，情感分类结果优于传统模型。因此，该模型在评论文本情感分析中可以有效提升文本情感分类效果。

关键词：词向量,CBOW模型,TF-IDF模型,情感分析