李 辉,郑媛媛,任鹏举
LI Hui,ZHENG Yuan-yuan,REN Peng-ju
(河南理工大学 物理与电子信息学院,焦作 454000)
近年来,随着互联网产业的快速发展,出现了众多新兴媒体,这些新媒体不断地冲击和改变着人们的生活方式。各种电商平台的崛起,使得足不出户的网络购物变得简单也流行,这种情况产生了大量带有人们情感色彩的评论文本,对这些带有感情色彩的文本进行情感分析,是对电商平台或者消费者群体都有益的工作。
情感分析,也称意见挖掘[1]。作为自然语言处理重要的一个分支,主要任务是完成带有感情色彩的文本的分类工作。文本情感分析主要包括文本分类,信息提取和文本生成技术[2]。目前,有很多使用基于机器学习的情感分析技术进行文本分析,取得了不错的效果[3,4]。但是,机器学习算法需要大量人工选择的数据特征,随着社会发展,出现大量新兴词汇和文本,人工设计的特征不能够全面囊括多样性的文本特征。因此,在有限的文本数量和计算条件的情况下,机器学习对于复杂问题的处理以及复杂功能的实现上会受到一定程度的限制。
为了克服传统机器学习算法的缺陷,很多工作开始利用深度学习算法来处理NLP任务,深度学习是机器学习的一部分,是使用具有多个处理层的复杂网络结构对数据所蕴含的特征信息进行抽象表达的算法。近年来,深度学习算法在计算机视觉[5]和语音识别方向[6]取得了较好的成绩。卷积神经网络CNN和循环神经网络RNN是现在文本情感分析中较多使用的网络模型。……