传统情感分类方法与基于深度学习的情感分类方法对比分析

《传统情感分类方法与基于深度学习的情感分类方法对比分析》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。传统情感分类方法与基于深度学习的情感分类方法对比分析　　摘要：　　情感分类是自然语言处理的一个重要分支，情感分类方法包括传统的基于情感词典的方法和基于机器学习的方法，以及最新的基于深度学习的方法。为了探索情感分类的实现方法和研究进展，对传统的情感分类方法和基于深度学习的情感分类方法进行对比，并对深度学习LSTM原理进行了简要描述，可以发现基于深度学习的情感分类方

2、法在情感分类上具有更大优势。　　关键词：　　情感分类；神经网络；深度学习；词向量；word2vec；LSTM　　DOIDOI：/　　中图分类号：TP301　　文献标识码：A文章编号文章编号：　　Abstract：Sentimentclassificationisanimportantbranchofnaturallanguageclassificationmethodsincludetraditionalmethods，includingthesemanticlexiconmethod，andthemachinelearningmeth

3、od，andthelatestmethodisbasedondeeplearning.Inordertoexploretherealizationmethodandresearch为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护

4、。progressofsentimentclassification，comparesthetraditionalmethodsandthelatestmethodbasedondeeplearning，andgivesabriefdescriptionofLSTMprincipleofdeeplearning，Itcanbefoundthatthesentimentclassificationbasedondeeplearninghasagreateradvantage.　　KeyWords：sentimentclassificati

5、on；neuralnetwork；deeplearning；wordembedding；word2vec；LSTM　　0引言　　情感分类一直是自然语言处理的一个重要分支，其目的是为了找出评论者或作者在某些话题上或针对某一产品的观点态度。情感分析在舆情监控、金融投资等方面均有广泛应用。传统的情感分类主要有基于情感词典的方法和基于机器学习的方法，其中基于情感词典的方法在很多方面受限于情感词典的质量和覆盖度，而基于机器学习的方法又受限于由人工构建、抽取的特征。随着近几年深度学习技术在自然语言处理领域取得了巨大进展，越�碓蕉嗟难芯咳嗽笨�始采用

6、深度学习处理文本分类方法。　　1基于情感词典的文本情感分类为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　在情感词典的研究方面，XX年，林鸿飞教授等[1]在已颇具成果的研究基础上，构建了一个中文情感词语本题库。基于情感词典

7、的文本分类是对人脑的简单模拟，其核心模式是基于词典和规则，即以情感词典作为判断评论情感极性的主要依据[2]。如图1所示，它是根据以往经验对现有词汇作出评价的一种模型。比如在生活中，通常把糟糕、腻烦归为消极词，把开心、愉悦作为积极词。通过一个句子中出现的感情词，从而判断该句子的感情极性。　　根据图1所示的基于情感词典的情感分类方法可以看出，基于情感词典的文本情感分类是容易实现的，其核心在于情感词典的训练。基于情感词典感情分类主要依赖于情感词典构建和判断规则质量。而词典构建和判断规则质量两者都需要耗费很多人力，包括人工设计和人们的先验知识。

8、　　2基于机器学习的情感分类　　Pang等[3]于XX年初次提出使用标准的机器学习方法解决情感分类问题。由图2可以看出，基于机器学习技术的情感分类研究工作主要需要进行模型的训练。情感分类中常用的特征有Ngr