基于深度学习的中文情感分析研究

摘要：对于各行各业来说，使用情感分析技术挖掘中文文本数据，并通过中文文本查找情感信息非常重要。因此，情感分析已成为自然语言处理领域最为活跃的部分之一。本文针对基于深度学习的中文情感分析模型进行了基本研究，以CNN为重点分析对象，分别对多通道和多注意力CNN的情感分析模型进行了深入探索。

关键词：深度学习;中文情感分析;CNN

引言

随着网络信息技术的飞快发展，社交网络已成为人们生活必不可少的一部分。通过网络平台，人们可以更加自由地表达意见，并产生了大量带有情感信息的中文数据。近年来，深度学习在自然语言处理领域得到了更加广泛的应用，基于深度学习的中文情感分析取得了良好的效果。

一、情感分析模型--CNN

2006年，Hinton首次提出了深度学习的概念，而卷积神经网络（CNN）是深度学习的模型之一。该模型最初主要是用于图像识别和视觉开发，特别是在图像识别领域，CNN的应用带来了质的飞跃_[1]。一九九八年，有着“CNN之父”之称的YannLeCun教授在其论文中提出了LeNet-5模型，这是CNN首次在数字识别中得到了成功应用。CNN创建了一种监督学习算法，通过减少空间的相对关系来减少参数的数量，从而提高模型训练性能。从本质上来看，CNN使用数学中的卷积概念通过池化层以及卷积层从文本中提取特征。因此，它主要是由卷积层和池化层组成。

（一）卷积层

卷积层是CNN的关键部分，主要是由节点组成，每个节点的输入由上一层神经网络中的一块组成。……