基于词向量的微博情感倾向分类研究.PDFVIP

第６２卷 第１５期　２０１８年８月 基于词向量的微博情感倾向分类研究 ■ 刘勘　袁蕴英 中南财经政法大学信息与安全工程学院　武汉４３００７４ 摘要：［目的／意义］微博已成为大众情感表达的重要平台，微博的情感分析在舆情分析、用户体验、商机挖 掘等方面有着重要的作用。［方法／过程］提出的情感倾向分类算法ＷＥ＿ＳＤＡＥ使用单词嵌入的方式将微博表 示成一个低维稠密向量，然后通过添加正则项和加噪处理的方式将基本的自动编码器算法优化成深层噪音自 动编码器，并在顶层添加分类器，实现情感倾向分类。考虑到微博用词灵活，还从单字和词语两个粒度训练模 型。［结果／结论］实验结果表明，基于单字粒度的模型表现优于基于词语粒度的模型。此外，对比实验显示 ＷＥ＿ＳＤＡＥ算法优于传统的ＳＶＭ、ＮａｉｖｅＢａｙｅｓ、ＸｇＢｏｏｓｔ等相关算法；单词嵌入的方式优于传统的向量空间模型 ? 表示方法，能在微博情感分析中取得较好的效果。 关键词：情感分析　分类　自动编码器　微博 分类号：ＴＰ３９１ 　　ＤＯＩ：１０．１３２６６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１８．１５．０１１ 　　微博包含了用户丰富的情感信息。随着微博的全 识和基于传统机器学习方法两类。