基于PMI的递归自编码器的情感分析方法

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：为改善传统机器学习方法无法考虑文本语义信息的缺陷,利用递归自编码器(RAE)树形结构学习短语向量空间表示.该方法可在常用的数据集上取得良好效果,但是在学习向量表示过程中,往往需要大量标记数据标记每个结点,人工标注工作量较大.因此提出一种半监督方法,利用PMI方法计算终端结点情感极性值,并考虑上下文程度副词和否定词对修饰情感词语的情感倾向与情感强度的影响.实验结果表明,与手动标记的传统RAE模型相比,引入PMI方法标记结点后,准确率提升至88.1％,可一定程度减少人工标注的工作量.

外文标题：Sentiment Analysis Method of Recursive Autoencoder Based on PMI

作者：

孙琦、梁永全

展开 >

作者单位：

山东科技大学计算机科学与工程学院,山东青岛266590

关键词：

情感分析递归自编码器 PMI

出版年：

2021

DOI：

10.11907/rjdk.201986