基于多维扩展特征与深度学习的微博短文本情感分析-电子与信息学报.pdfVIP

第39 卷第9 期 电 子 与 信 息 学 报 Vol.39No.9 2017 年9 月 Journal of Electronics Information Technology Sept. 2017 基于多维扩展特征与深度学习的微博短文本情感分析 孙 晓*① 彭晓琪① 胡 敏① 任福继①② ①(情感计算与先进智能机器安徽省重点实验室 合肥 230009) ②(德岛大学工学部 德岛 770-8509) 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(ClassRBM)，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。 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 中图分类号： TP393; TP391.43 文献标识码： A 文章编号：1009-5896(2017)09-2048-08 DOI: 10.11999/JEIT160975 Extended Multi-modality Features and Deep Learning Based Microblog Short Text Sentiment Analysis ① ① ① ①② SUN Xiao PENG Xiaoqi HU Min REN Fuji ① (Anhui Province Key Laboratory of Affective Computing and Advanced Intelligent Machine, Hefei 230009, China) ② (Faculty of Engineering, University of Tokushima, Tokushima 770-8509, Japan) Abstract: This paper presents a Deep Belief Nets (DBN) model and a multi-modality feature extraction method to extend features, dimensionalities of short text for Chinese microblogging sentiment classification. Besides traditional features sets for document classification, comments for certain posts are also extracted as part of the microblogging features according to the relationship be