多维特征融合的混合神经网络文本情感分析模型

针对复杂文本评论的情感分析研究存在着隐式主题方面分类不精确、文本特征提取不全面和识别文本上下文语义不足等问题,论文提出了一种多维特征融合的混合神经网络文本情感分析模型MFF-HNN.该模型先把词向量、词性、位置和句法依存特征进行注意力特征融合,抽取出主题词库,然后把融合特征输入到改进的TBGRU模型和DCNN模型中获取语义信息和局部特征信息,再与主题词库结合进行注意力特征融合语义特征信息,最后使用SoftMax函数获取文本方面级情感分类信息.实验表明,该模型的情感分类的效果优于其它模型.     

基于时间序列的方面级网络舆情情感演化模型

针对网络舆情情感分析主题词抽取不精确和文本静态化分析问题,论文提出了一种基于时间序列的方面级网络舆情动态情感演化模型ARMA-ALEE。通过方面级情感分类模型获取方面词和情感极性值,并对方面词使用过滤算法优化,再通过困惑度和JS散度确定最终方面词个数,进一步地还基于ARMA时间序列模型对方面词、方面词强度和方面词相关性的ARMA-ALEE模型动态地进行网络舆情情感演化分析。实验表明,该模型的情感演化研究取得了较好的结果。