考虑句子类型分类的情感分析研究

摘要

情感分析作为大数据时代处理非结构化数据的分支,一直是研究者关注的重点课题.情感分析是从文本中挖掘所表达的情感,将其作为产品或社交的决策依据.鉴于此,提出一种基于句型分类的句子级情感分析手段.首先训练一个基于长短期记忆学习(LSTM)的句型分类器,从大量的推特句子中提取否定句和比较句作为特殊句型,利用分而治之的思想将这类特殊句子与正常的无否定和比较的句子分开;然后采取N值不同的特征提取手段(N-gram);最后分别运用词包(BoW)和词频—逆向文件频率(TF-IDF)两种方法表示句子的词向量,对模型进行情感分析.对比分析结果可知,针对不同句子类型设定N-gram中不同N值可以提高整体情感分类精度,其中使用BoW和Tri-gram组合获得了66.87％的最高精度,证明了句型分类器的使用在情感分类中的有效性.