基于词向量的微博情感倾向分类研究
来源：图书情报工作杂志2018年第15期北京时间：
作者：刘勘,袁蕴英
单位：中南财经政法大学信息与安全工程学院 武汉 430074
摘要：[目的/意义]微博已成为大众情感表达的重要平台，微博的情感分析在舆情分析、用户体验、商机挖掘等方面有着重要的作用。[方法/过程]提出的情感倾向分类算法WE_SDAE使用单词嵌入的方式将微博表示成一个低维稠密向量，然后通过添加正则项和加噪处理的方式将基本的自动编码器算法优化成深层噪音自动编码器，并在顶层添加分类器，实现情感倾向分类。考虑到微博用词灵活，还从单字和词语两个粒度训练模型。[结果/结论]实验结果表明，基于单字粒度的模型表现优于基于词语粒度的模型。此外，对比实验显示WE_SDAE算法优于传统的SVM、Naive-Bayes、XgBoost等相关算法；单词嵌入的方式优于传统的向量空间模型表示方法，能在微博情感分析中取得较好的效果。
关键词：情感分析,分类,自动编码器,微博,
基金资助：本文系国家社会科学基金项目"基于文本挖掘的网络谣言预判研究"（项目编号：14BXW033）研究成果之一。
