基于MIC-CNN方法的中文新闻情感分类

近年来关于主观性文本情感分析的研究较热,但对于客观性文本的情感研究很少,因此文章以具有客观性的新闻标题的情感分类为研究点,并提出了多输入通道卷积神经网络(MIC-CNN)以适应此研究问题。网络在输入层以整句,前半句,后半句构成三个输入通道,接着对每个输入通道卷积,然后以不同权重把各尺寸卷积结果相加,接着对每个尺寸使用最大池化并拼接以形成最后的情感特征向量,最后使用softmax进行文本情感分类。实验结果表明:经过超参数的调整MIC-CNN分类精确率平均达到86%以上,比普通的卷积神经网络(CNN)提高了2%～3%。另外,CNN类方法比普通的机器学习方法更有效。