基于对比散度受限玻尔兹曼机深度学习的产品评论情感分析

来源：计算机应用杂志2016年第4期北京时间：

作者：高琰, 陈白帆, 晁绪耀, 毛芳

单位：1. 中南大学 信息科学与工程学院, 长沙 410083;2. 中南大学 软件学院, 长沙 410083

摘要：针对目前大部分情感分析技术需要人工标注建立情感词典提取情感特征的问题,提出一种基于对比散度-受限玻尔兹曼机(CD-RBM)深度学习的产品评论情感分析方法。该方法在对产品评论时进行数据预处理并利用词袋模型产生产品评论的向量表示,然后通过CD-RBM提取产品评论的情感特征,最后结合支持向量机(SVM)将提取出来的情感特征进行文本情感分类。CD-RBM无需人工标注情感词典,即可获得情感特征,且可以提高特征的情感语义关联性;同时,SVM可以保证产品评论情感分类的准确度。通过实验确定了RBM最优训练周期为10,在此训练周期下对RBM、SVM、PCA+SVM,以及RBM+SVM方法进行了比较。实验结果表明,RBM特征提取和SVM分类结合方法能够获得最好的准确率和F值,并获得较好的召回率。

关键词：深度学习,受限玻尔兹曼机,情感分析,对比散度,支持向量机

基金资助：国家自然科学基金资助项目(61403423);湖南省科技计划项目(2014FJ3157);自主系统与网络控制教育部重点实验室开放基金资助项目(2013A11)。