基于深度学习的维吾尔语语句情感倾向分析

被引：7

作者：

李敏 ^{[1
]}

禹龙 ^{[2
]}

田生伟 ^{[1
]}

吐尔根依布拉音 ^{[3
]}

艾斯卡尔艾木都拉 ^{[1
]}

机构：

[1] 新疆大学软件学院

[2] 新疆大学网络中心

[3] 新疆大学信息科学与工程学院

来源：

计算机工程与设计 | 2016年 / 37卷 / 08期

基金：

国家自然科学基金重点项目;

关键词：

维吾尔语; 深度学习; 栈式自编码神经网络; 特征融合; 情感分析;

D O I：

10.16208/j.issn1000-7024.2016.08.043

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

提出一种基于栈式自编码神经网络(SAE)的维吾尔语语句情感倾向分析方法。利用深度学习思想,将高维的维吾尔语语句空间特征向量变换到新的低维特征空间,学习并提取维吾尔语语句中隐含的语义特征。为提高特征对文本语义的表达,将富含词汇语义及上下文位置关系的句向量特征与情感特征组合进行融合,训练栈式自编码器,通过引入softmax层完成维吾尔语语句的情感分类。通过实验优选模型隐层层数、句向量维度,同传统的情感分类方法进行比较,实验结果表明,该方法更适用于维吾尔语语句情感倾向分析,微平均值为90.4%,宏平均值为90.5%。

引用

页码：2213 / 2217

页数：5

共 12 条

[1] 基于自动编码器的中文词汇特征无监督学习 [J].

张开旭 ;

周昌乐 .

中文信息学报 , 2013, (05) :1-7+92

[2]

Linguistic Regularities in Continuous Space Word Representations. Mikolov T,Yih W,Zweig G. HLT-NAACL . 2013

[3] 意见挖掘中维吾尔语文本隐式情感分析 [J].

罗亚伟 ;

田生伟 ;

禹龙 ;

吐尔根依布拉音 ;

艾斯卡尔艾木都拉 .

计算机工程与设计, 2014, 35 (09) :3295-3300

[4]

Learning deep architectures for AI. Bengio,Yoshua. Foundations and Trends in Machine Learning . 2009

[5]

A practical guide to training restricted Boltzmann machines. Hinton G E. Neural Networks;Tricks of the Trade . 2012

[6]

Semantic hashing[J] . Ruslan Salakhutdinov,Geoffrey Hinton. &nbspInternational Journal of Approximate Reasoning . 2008 (7)

[7]

Sentiment classification of online reviews to travel destinations by supervised machine learning approaches[J] . Qiang Ye,Ziqiong Zhang,Rob Law. &nbspExpert Systems With Applications . 2008 (3)

[8] 基于支持向量机和k-近邻分类器的多特征融合方法 [J].

陈丽 ;

陈静 .

计算机应用, 2009, 29 (03) :833-835

[9]

Generalized denoising auto-encoders as generative models. Bengio Y,Yao L,Alain G,et al. Advances in Neural Information Processing Systems . 2013

[10]

Deep sparse rectifier neural networks. Glorot, Xavier,Bordes, Antoine,Bengio, Yoshua. Journal of Machine Learning Research;Proceedings of the 14th International Conference on Artificial Intelligence and Statistics, AISTATS 2011 . 2011

← 1 2 →