基于RAE＋Dropout相结合的微博情感分析

摘要

文本情感分析是近年自然语言处理领域的研究热点之一,其中微博情感分析受到了学术界和企业界的广泛关注.微博情感分析是指对用户针对某一事件发表的言论进行正向、负向和中性情感的判定.本文在分析了标准RAE模型缺点的基础上,提出了一种基于RAE＋Dropout的联合模型.该模型利用Dropout技术有效地预防过拟合问题的发生,同时也提高了模型训练速度.RAE＋Dropout模型与RAE＋词性选择模型、标准RAE模型以及SVM模型的对比实验结果表明：RAE＋Dropout模型的准确率和F1值属于最优,比标准RAE模型的准确值和F1值高出0.82%和0.64%,尤其是在高维词语向量中RAE＋Dropout模型的效果更加明显.