胡任远,刘建华,卜冠南,张冬阳,罗逸轩
1.福建工程学院 信息科学与工程学院,福州350118
2.福建省大数据挖掘与应用技术重点实验室,福州350118
情感分析(sentiment analysis),是指通过自动分析用户对某种事物的文本内容,提取出用户对该事物的褒贬态度以及意见,属于文本分类问题。传统的机器学习方法可以解决文本分类问题,例如支持向量机、朴素贝叶斯、最大熵、K邻近算法等。传统方法主要通过人工标注一部分文本数据为训练集,并需要文本数据特征进行人工提取,然后训练机器学习的分类模型,最后利用分类模型对没有标注的数据进行预测,输出最终的预测分类结果。基于传统机器学习的文本分类方法已经取得了非常多的成果,但需要依赖复杂人工规则的文本特征工程,而特征工程的策略是否合适会大大影响情感分类的效果。
近些年来,深度学习在自然语言处理领域取得了硕果,被广泛应用于情感分析任务中,成为当前研究热点[1]。其优势为能够采用词嵌入(word embedding)技术,把词映射成一个实值向量空间,提取词向量为特征,减少人工特征工程对情感分析的影响。Kim等[2]将不同卷积核的卷积神经网络对英文文本进行语义特征提取,在句子级分类任务中模型的分类效果出色。李洋等[3]提出将CNN与BiLSTM网络特征融合的文本情感分析模型,利用Word2vec训练词向量,在以往模型的基础上进一步提升情感分析问题的分类准确率。刘全等[4]提出的一种用于基于方面情感分析的深度分层网络模型,其中的区域卷积神经网络需要将事先将用户的评论语言按不同方面的目标词分割为长度固定的不同区域,提取了文本序列中不同的特征。……