典型文献
基于加权融合字词向量的中文在线评论情感分析
文献摘要：
随着社交网络平台的广泛使用,涌现出大量蕴涵丰富情感信息的在线评论文本,分析评论中表达的情感对企业、平台等具有重要意义.为了解决目前针对在线评论短文本情感分析中存在特征提取能力弱以及忽略短文本本身情感信息的问题,提出一种基于文本情感值加权融合字词向量表示的模型——SVW-BERT模型.首先,基于字、词级别向量融合表示文本向量,最大程度获取语义表征,同时考虑副词、否定词、感叹句及疑问句对文本情感的影响,通过权值计算得到文本的情感值,构建情感值加权融合字词向量的中文短文本情感分析模型.通过网络平台在线评论数据集对模型的可行性和优越性进行验证.实验结果表明,字词向量融合特征提取语义的能力更强,同时情感值加权句向量考虑了文本本身蕴涵的情感信息,达到了提升情感分类能力的效果.
文献关键词：
在线评论;情感分析;字词向量;BERT;情感值;支持向量机
中图分类号：
作者姓名：
张小艳;白瑜
作者机构：
西安科技大学 计算机科学与技术学院,西安710600
文献出处：
引用格式：
[1]张小艳;白瑜-.基于加权融合字词向量的中文在线评论情感分析)[J].计算机应用研究,2022(01):31-36
A类：
B类：
加权融合,字词向量,在线评论,社交网络平台,涌现出,蕴涵,情感信息,评论文本,解决目前,短文本,文本情感分析,存在特征,特征提取能力,本本,情感值,向量表示,SVW,BERT,向量融合,文本向量,语义表征,副词,否定词,感叹句,疑问句,权值,评论数据,融合特征,句向量,情感分类
AB值：
0.295055
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
