基于极性知识指导的短文本情感分析建模  

Polarity-GuidedShort Text Sentiment Analysis Modeling

作　　者：庞劲羽 

机构地区：[1]成都信息工程大学,四川 成都

出　　处：《仪器与设备》2020年第4期124-130,共7页Instrumentation and Equipments

摘　　要：情感分析研究领域中,深度神经网络技术成为目前的主流研究。相比于其他文本分类任务,情感分析任务的研究更加侧重于分析文本的主观极性特征。胶囊神经网络模型的提出为极性建模提供了一种实现的思路。我们在胶囊网络的基础上提出了一种全新的情感分析模型,并提出了一种基于极性知识指导的建模方法。实验证明,在同等条件下,新型情感分析模型可以取得更有效的极性学习能力。In the research of sentiment analysis, deep neural network technology has become the mainstream research. Compared with other text classification tasks, sentiment analysis task focuses more on an-alyzing the subjective polarity of the text. The capsule neural network model provides a direction for polarity modeling. We propose a novel sentiment analysis model based on capsule network and a knowledge-based modeling method. The results in experiments show that the proposed sentiment analysis model can get more effective polar learning ability under the same conditions.

关 键 词：情绪分析 胶囊网络 知识指导 极性建模 

分 类 号：G63[文化科学—教育学]