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

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