基于深度学习算法的文本情感分析
随着Web2.0时代的到来,社交平台与电子商务的涌现,网民数量呈现出爆发式增长,每天都有数以万计的文本数据产生。无论对于部门和科研单位,还是互联网服务提供商来说,如果能对这些数据合理的应用文本情感分析,挖掘出蕴藏在数据背后的用户真实意图,具有重要的研究意义和实用价值。传统的文本情感分析方法主要是基于词典和基于机器学习的方法,随着数据规模的增大,这些方法表现出一定的局限性。自2006年深度学习被提出来以后,大量的研究成果表明相对于传统的方法,深度学习中的诸多模型在多个领域中能获得更加出色的性能。本文尝试将深度学习中的相关模型应用于文本情感分析中,主要工作如下:针对基于卷积神经网络的文本情感分析,通过引入注意力机制,在进行文本情感分析任务时,不仅可以通过卷积网络得到文本中有效的局部特征,还可以得到文本中对结果有相关性的词特征,提出结合卷积神经网络和注意力模型的文本情感分析模型。针对基于循环神经网络中无法解决长时依赖的问题,本文使用基于长短时记忆的双向循环神经网络用于文本情感分析,并对输入部分的词向量进行优化,提出基于字词联合训练的双向循环神经网络的文本情感分析模型。针对以上两个模型,通过设计实现相关对比实验,验证了所提出模型的有效性。
