摘要：提出了一種面向情緒分類的融合詞內(nèi)部信息和情緒標(biāo)簽的詞向量學(xué)習(xí)方法。在CBOW模型的基礎(chǔ)上，引入詞內(nèi)部成分和情緒標(biāo)簽信息，以適應(yīng)微博情緒表達(dá)的不規(guī)范，同時(shí)豐富詞向量的情緒語義。對(duì)于輸入文本，按照詞的TF—IDF權(quán)重對(duì)詞向量進(jìn)行加權(quán)求和，以作為文本向量表示。以上述詞向量或文本向量作為情緒分類器的輸入，采用機(jī)器學(xué)習(xí)的分類方法（LR、SVM、CNN），驗(yàn)證本文情緒詞向量在情緒分類任務(wù)上的實(shí)驗(yàn)效果。實(shí)驗(yàn)表明，情緒詞向量與原始CBOW詞向量相比，在準(zhǔn)確率、召回率、F值等各項(xiàng)指標(biāo)上都有更好的表現(xiàn)。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
