基于Word2Vec文本情感研究与分析

摘要

随着人工智能、机器学习发展，支持向量与传统的神经网络等非线性判定和建模理论相比，因结构简单，理论完备的优点被人们用到文本信息处理领域，解决分类问题。本文针对海量的文本情感数据错综复杂，不能及时准确的掌握文本正负(褒贬极性)信息，提出了深度学习文本情感分类的研究。首先，叙述了文本情感分类的算法思想；然后，引入了文本情感特征和TF-IDF权重计算，通过改进TF-IDF权重，调解优化深度学习Word2Ve词向量 + LIBSVM模型训练互联网文本数据。最后，分类的准确精度达到92.28%。