重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (11): 109-115.

• 信息·计算机 • 上一篇    下一篇

基于 ＴＦ-ＩＤＦ加权的卷积神经网络文本情感分类模型

李昌兵，赵 玲，李晓光，王 利   

  1. 重庆邮电大学 电子商务与现代物流重点实验室
  • 出版日期:2021-12-13 发布日期:2021-12-13
  • 作者简介:李昌兵，男，博士，教授，主要从事自然语言处理、机器学习研究； 赵玲， 女，硕士研究生，主要从事自然语言处理、深度学习研究

  • Online:2021-12-13 Published:2021-12-13

PDF (PC)

310

赞

摘要： 构建好的文本向量表示对文本情感分类任务十分重要。针对文本中词语类别区分 能力的不同，提出了一种用改进的 ＴＦＩＤＦ加权 Ｗｏｒｄ２Ｖｅｃ的文本向量表示方法（ＩＴＩＷ），对类别 区分能力不同的词语赋予不同的权重，将基于该方法构建的词向量作为卷积神经网络（ＣＮＮ）的 输入，设计了 ＩＴＩＷＣＮＮ文本情感分类模型。该模型通过改进 ＴＦＩＤＦ以区分不同词语的类别 表示能力，计算词语的权重，进而得到词语的加权词向量表示（ＩＴＩＷ），将加权词向量输入 ＣＮＮ 进行文本情感分类，促使模型具有更好的分类能力。实验结果表明：与传统的表示文本的分类 算法相比，ＩＴＩＷＣＮＮ模型在各项指标上均有一定的提高，Ｆ１值和分类准确率分别达到 ９４７７％、９２．８０％。ＩＴＩＷＣＮＮ模型能够有效提升文本的情感分类效果。

关键词: ＴＦＩＤＦ, Ｗｏｒｄ２Ｖｅｃ, 卷积神经网络, 情感分类

中图分类号: 

  • TP391