第45卷第$期V o l.45 N o.3计算机工程
C o m p u te r E n g in e e rin g
2019年3月
M a rc h2019
•开发研究与工程应用•文章编号：1000#428(2019)0$-0$00-09文献标志码：A中图分类号：TP183
基于深度卷积神经网络模型的文本情感分类
周锦峰，叶施仁，王晖
(常州大学信息科学与工程学院，江苏常州213164)
摘要：为高效提取不同卷积层窗口的文本局部语义特征，提出一种深度卷积神经网络（C N N)模型。通过堆叠多
个卷积层，提取不同窗口的局部语义特征。基于全局最大池化层构建分类模块，对每个窗口的局部语义特征计算
情感类别得分，综合类别得分完成情感分类标注。实验结果表明，与现有C N N模型相比，该模型具有较快的文本
情感分类速度。
关键词：情感分析；情感分类标注；深度学习；卷积神经网络；词向量
中文引用格式：周锦峰，叶施仁，王晖.基于深度卷积神经网络模型的文本情感分类[J].计算机工程，2019，45(3):300-308.
英文引用格式：Z H O U J in fe n g，Y E S h ire n，W A N G H u i. T ext sentim ent classification based on deep con volution al neural
netw ork m o d e l*J].Com puter E n g in e e rin g，2019，45 (3) ：300-308.
Text Sentiment Classification Based on Deep Convolutional Neural Network Model
Z H O U J in fe n g，Y E S h ire n，W A N G H u i
(School of Inform ation Science and E ngineering，Changzhou Universit;^，C hangzhou，Jiangsu 213164，C hina)
[A b s tr a c t]This paper proposes a d e e p C o nvo lutio na l N eural N e tw ork(C N N)m odel to e ffic ie n tly extract semantic features o f d iffe re n t con volution al layer w indow s fo r te x t.The m odel avoids m anually specifying m u ltip le
w indo w sizes and retains local semantic features o f diffe re n t w indow s by stacking a n u m b e r o f con volution al l C lassification m odules are b u ilt based on t he G lobal M a x P ooling(G M P)layer to calculate the category score f local semantic features o f each w in d o w.The m odel synthesizes these category scores to com plete the sentiment classification annotation.E xperim ental results show that the m odel has faster text sentim ent classificat o f other C N N m odels.
[K e y w o r d s]sentim ent analysis;sentim ent classification a n n o ta tion;deep le a rn in g;C o nvo lutio na l N eural N e tw ork
(C N N) ；w ord vector
D O I:10.19678/j.issn.1000-3428.0050043
〇概述
情感分析主要通过人类书写的文本分析和研究 人的意见、情感、评价、态度和情绪，是自然语言处理 (N a tu ra l La ng ua ge P ro c e ss in g，N L P)中最热门的研究 领域之一，并在数据挖掘、W e b挖掘和文本挖掘等应 用范畴得到广泛研究[16]。例如，分析电商平台上对 已购商品的点评，群众对政府新颁布的政策法规的 讨论以及消费者对新产品或服务的反馈等。每天数 以亿计的用户文本信息包含了丰富的用户观点和情 感极性，从中可以挖掘和分析出大量的知识和模式。
深度学习为经典数据挖掘任务提供了新的手 段。卷积神经网络（C o n v o lu tio n a l N e u ra l N e tw o rk，C N N)是一种用于处理具有网状拓扑结构数据的深度神经网络（D eep N e u ra l N e tw o r k，D N N)。C N N 通过卷积操作，组合低层特征形成更加抽象的高层特 征，使模型能够针对目标问题，自动学习特征。在文 本情感分类应用中，C N N能够有效避免传统机器学 习方法所面临的样本特征表达稀疏、计算复杂等问题[4]。
目前，以C N N为基础的文本情感分类方法多数 是通过学习文本的一种窗口或多种窗口局部语义信 息，然后提取文本最大语义特征进行情感划分。此 类方法在文本情感分类标注领域已取得较好的效 果。但是目前在文本情感分类标注领域[56]，甚至在 N L P的其他分类问题中[860]，使用的C N N模型多数 采用一个或多个卷积层并行的结构。C N N模型解 决情感分类标注问题时，为了充分捕捉语义的距离
基金项目：国家自然科学基金（61272367);江苏省科技厅项目（BY2015027-12)。
作者简介：周锦峰（1978—），男，硕士，主研方向为机器学习、自然语言处理；叶施仁，副教授、博士；王晖（通信作者），讲师、博士。收稿日期：2018-01-10修回日期：2018-02-27E-m a i l：zhouzhou9076@
