基于多维扩展特征与深度学习的微博短文本情感分析

被引：22

作者：

孙晓 ^{[1
]}

彭晓琪 ^{[1
]}

胡敏 ^{[1
]}

任福继 ^{[1
,2
]}

机构：

[1] 情感计算与先进智能机器安徽省重点实验室

[2] 德岛大学工学部

来源：

电子与信息学报 | 2017年 / 39卷 / 09期

基金：

中国博士后科学基金; 安徽省自然科学基金;

关键词：

社交网络; 深度信念网络; 扩展多维特征; 受限玻尔兹曼机; 分类受限玻尔兹曼机;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP393.092 [];

学科分类号：

081203 ; 0835 ; 080402 ;

摘要：

该文提出了一种基于深度信念网络(DBN)和多维扩展特征的模型,实现对中文微博短文本的情感分类。为降低传统文本分类方法在处理微博短文时特征稀疏的影响,引入社交关系网络作为扩展特征,依据评论者和博主之间的社交关系,提取相关评论扩展原始微博,将扩展后的多维特征作为深度信念网络的输入。通过叠加多层玻尔兹曼机(RBM)构建DBN模型底层网络结构,多层玻尔兹曼机可以对原始输入抽象并获得数据的深层语义特征。在多个RBM层上叠加一层分类玻尔兹曼机(Class RBM),实现最终情感分类。实验结果表明,通过调整模型参数和网络结构,构建的深度学习模型在情感分类中能够获得比SVM和NB等浅层分类系统更优的结果,另外,实验证明使用扩展多维特征方法可提高短文本情感分类的性能。

引用

页码：2048 / 2055

页数：8

共 6 条

[1] 深度学习算法的原理及应用 [J].