基于遞歸神經網(wǎng)絡的微博情感分類研究.pdf

1、作為近年來快速發(fā)展的社交網(wǎng)絡平臺，微博由于易操作，傳播快，靈活度高等特點，已得到用戶的普遍推崇和使用。雖然用戶發(fā)布的微博內容很繁雜，但通過對其觀察和分析發(fā)現(xiàn)，其中潛藏著大量的有用信息，尤其是微博文本中包含的情感傾向，有助于政府和企業(yè)了解大眾需求、引導輿論、發(fā)現(xiàn)商機、提高收益。目前，針對微博文本的情感分類研究越來越受到相關領域學者的關注。如何學習深層語義、有效表示文本特征、提高情感分類效果一直是相關領域要研究的目標。
　　本文主要研

2、究了微博文本情感分類的兩大方面:微博文本主客觀分類和微博文本情感極性分類。在主客觀分類階段，提出了基于詞典和語料相結合的方法。在情感極性分類階段，對微博文本的特征提取方法和分類算法分別進行了研究。其中，針對特征提取，提出了基于淺層和深層學習的特征融合方法;針對分類算法，提出一種基于改進的遞歸神經網(wǎng)絡的情感分類方法。本文的主要工作和創(chuàng)新成果具體如下:
　　(1)針對微博文本的主客觀分類問題，提出了基于詞典和語料相結合的方法。首先根據(jù)

3、本文所構建的可靠情感詞典對可靠度較高的主觀性文本進行識別，然后結合語料統(tǒng)計的方法對剩余文本進行主客觀分類，最終得到的F1值比傳統(tǒng)的基于大規(guī)模情感詞典的主客觀分類方法要高出6.72％。
　　(2)鑒于一般的淺層學習特征忽略了文本內在語義，提出一種基于淺層和深層學習的特征融合方法。其中淺層學習特征選取了詞、詞性和詞典這三類特征，深層學習特征利用word2vec工具進行提取，然后對它們進行融合。實驗結果表明，特征融合后的微博文本情感極性