基于S VM与RNN的文本情感关键句判定与抽取

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：文本的情感倾向在很大程度上依赖于其中情感倾向性较高的关键句，对这些情感关键句正确判定有利于提高整个篇章情感分类的效果。传统的基于规则的情感倾向性分析的优点是情感词表和规则表达准确，缺点是完备性差，而统计的方法则相反。结合使用支持向量机（support vector machine，SVM）与递归神经网络（recursive neural network，RNN）分别构造分类器，然后对整个篇章和单个句子进行情感二元分类，将分类结果进行比较投票后判定出篇章中的情感关键句。句子级情感特征不仅包含情感词、否定词等传统的文法信息，同时加入深度学习领域中词向量的统计信息，而在篇章特征中也抽取出句型、位置等宏观信息。通过参与COAE 2014评测任务1的结果显示，该方法的微平均F1值达到0.388，在同类评测系统中处于最高水平。

原文链接:http://www.cqvip.com//QK/95079A/201411/663931092.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Recursive Support network machine Neural 情感倾向性 递归神经网络 深度学习 机器学习