基于卷积神经网络的英文篇章情感量化方法

本文刊于: 《信阳师范学院学报(自然科学版)》 2021年第0期

关键词:
情感分析 机器学习 卷积神经网络 词嵌入 情感量化

Keywords:
sentiment analysis,machine learning,convolutional neural networks,word embedding,sentiment quantification
摘要
     提出利用卷积神经网络(CNN)预测英文单词情感极性,并利用英文单词情感极性设计量化篇章情感倾向的方法.首先,利用fastText技术训练词嵌入模型,将英文单词转化为定长、稠密的词向量;接着,以词向量作为输入,构造一维CNN模型,并设计出多种具有不同深度的架构;最后,利用CNN预测模型计算篇章中所含英文单词的平均情感极性作为篇章情感倾向的量化分值.实验结果表明:相比于传统的机器学习模型,提出的CNN预测模型能够提升英文单词情感预测精度,所设计的篇章情感量化方法,也与主观判决情感色彩有较好的一致性.

基金项目:
国家自然科学基金项目(31872704,61601396);河南省高校科技创新团队支持计划(19IRTSTHN014)

上一篇:第一页
下一篇:《黄帝内经·素问》英译的翻译生态环境研究

分享到: 分享基于卷积神经网络的英文篇章情感量化方法到腾讯微博           收藏
评论排行
公告 
相关期刊文献推荐
相关会议文献推荐
相关硕士文献推荐
相关博士文献推荐