基于分段卷积神经网络的文本情感极性分析

摘要

传统文本情感分析方法存在文本信息分析准确度较差、召回率偏低且时间成本较高问题,提出基于分段卷积神经网络的文本情感极性分析方法.卷积层使用滤波器完成局部特征提取,获得卷积核函数运算法产生的特征图,将其输入至下采样层,由下采样层输出局部最优特征.利用分化池操作,将卷积向量中的最大极性值融合成向量,并使用非线性函数对该向量计算,获得文本句子的极性特征.运用softmax分类器与Dropout算法,随机将原始输入数据按照一定比例置0,没有置0的则进行运算与连接,最后对文本向量和网络参数进行优化完成情感极性分析.仿真结果证明,所提方法准确性较高、召回效果较好,且时间成本更低,对比传统方法更具有较好的应用前景.