论文部分内容阅读
考虑到电影影评上下文信息带有固有的属性特征和语序不合理性等特点,提出CRCNN模型进行文本情感分析。为了减少噪音数据对分析的影响,对卷积神经网络进行改进,在输入层和卷积层之间引入了权重分布层对重要部分进行分析,减少噪音,使处理的特征得到提升。在卷积层中使用梯度下降法来求解训练参数时会引起梯度弥散或爆炸,为了解决此问题引入了门控机制。最后引入序列标注层,同时和神经网络学习的语义特征进行整体的优化求解。另外,利用字粒度词向量为特征,解决了歧义词的切分的同时学习到更加具体的特征。实验结果表明,利用该模型进行影评