论文部分内容阅读
在卷积神经网络模型中,如果输入文本表示不准确,网络训练容易因输入噪音导致过拟合。为改善文本卷积神经网络中输入文本表示的质量,构建一种结合词性特征的文本卷积神经网络模型。利用词性特征捕捉传统词向量无法识别的文本一词多义现象,并与输入文本原始表示方法相结合构造卷积神经网络的双通道输入。基于中文酒店评论和英文影评数据集的实验结果表明,相比于传统文本卷积神经网络,该模型在情感分类准确率、召回率和F1值等指标上均有明显提升。