基于cw2vec 与CNN-BiLSTM 注意力模型的中文微博情感分类

卢昱波，刘德润，蔡奕超，杨庆雨，陈 伟，刘太安，

（1.山东科技大学计算机科学与工程学院，山东青岛 266590；2.山东农业大学信息科学与工程学院，山东泰安 271018；3.山东科技大学智能装备学院，山东泰安 271019）

0 引言

据中国互联网络信息中心（CNNIC）发布的第45 次《中国互联网络发展状况统计报告》［1］，截至2020 年3 月，我国网民规模为9.04 亿，手机网民所占比例高达99.3%，互联网普及率达到64.5%。移动终端和互联网的大规模普及已经改变了人们收集信息、表达观点的方式，越来越多的公众更倾向于通过网络发表意见、抒发情感。互联网上产生大量网民的认知、态度、情感和行为倾向，这些信息集合为网络舆情［2］。目前以新浪微博为代表的中文微博取得空前发展。根据新浪微博2020 年第一季度财务报告［3］，2020年Q1 的月活跃用户为5.5 亿，移动端月活跃用户突破5亿，日活跃用户2.41 亿。面对数据的爆炸性增长以及微博用户较高的自由度进行中文微博的情感分类，不仅可对内容监控，而且也是突发事件预警及舆情分析的基础，不但能帮助决策者更快地了解大众意见，还能为企业进行市场分析、调查、反馈提供更多有参考性的信息。因此，中文微博信息处理技术具有重要的理论与应用价值。

情感分类研究可分为基于情感词典的情感分类方法、基于传统机器学习的情感分类方法和基于深度学习的情感分类方法。基于情感词典的方法根据现有的情感词典和计算规则获得情感类型。国外对情感词典的研究较早，其中应用最广的英文词典是SentiWordNet［4］；……