登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于双向长短期记忆模型的 网民负面情感分类研究
  • 摘要

    网民负面情感在网络舆情情感分析中具有重要意义,但已有研究缺乏自动化识别海量短文本中网民负面情感的多分类方法.本文利用词嵌入技术学习词语的特征表示,通过增加文本的情感特征生成具有情感意义的词向量,并训练双向长短期记忆模型得到网民负面情感识别模型,在判断网民情感极性的基础上,识别网民的愤怒、悲伤和恐惧三种负面情感,并结合案例数据与SVM、LSTM和CNN等模型进行对比分析.实验表明,具有情感语义的词向量比词向量更适合情感分析任务;利用双向长短期记忆模型可以得到较好的情感识别效果;判断网民情感极性基础上识别网民负面情感的分类方式优于直接判断网民的负面情感的方式.

  • 作者

    吴鹏  应杨  沈思  Wu Peng  Ying Yang  Shen Si 

  • 作者单位

    南京理工大学经济管理学院,南京 210094;江苏省社会公共安全科技协同创新中心,南京 210094/南京理工大学经济管理学院,南京,210094

  • 刊期

    2018年8期 ISTIC PKU CSSCI

  • 关键词

    网络舆情  负面情感分析  情感词向量  双向长短期记忆模型 

相似文献 查看更多>>
34.229.131.116