卷积神经网络在短文本情感多分类标注应用

摘要

情感多分类标注对文本信息的敏感性远高于二分类问题.为了有效利用语义依赖距离和语义多层次进行情感多分类,提出一种多窗口多池化层的卷积神经网络模型.首先使用多窗口的卷积层提取上下文局部语义,然后通过多池化层降低特征维度,同时保留不同层次的语义,由多层次语义构成文本特征向量,最后送入全连接层完成多分类标注.采用斯坦福情感树库数据集验证所提模型的多分类标注效果.实验结果表明,在训练集含短语和未包含短语两种设定下,模型的短文本情感多分类正确率分别达到54.6％和43.5％.