科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的/意义]文本情感分类作为自然语言处理领域中一个重要的研究方向，具有十分重要的商业价值和社会价值。然而传统的情感词典法和机器学习技术由于算法性能差以及处理规模小等缺点，已不能满足准确度和效率要求，文本情感分类需要更前沿的技术。研究者们将深度学习技术运用于文本情感分类领域中，取得了前所未有的效果。该方法在准确度和效率方面均有很大地提升，且适用性更强。[方法/过程]利用CiteSpace软件，对我国2014-2020年间发表的基于深度学习的文本情感分类论文从发文量年代分布、学科分布、机构分布、作者分布、关键词词频统计及聚类、关键词演化过程六个方面进行分析，并总结出深度学习网络模型在文本情感分类中的四大研究热点：卷积神经网络、长短时记忆网络、门控循环单元及注意力机制。[结果/结论]认为未来可关注以下几个方向：深度学习模型的进一步优化；情感粒度的细分；与新的技术和研究方法交叉结合，使分类准确率及效率进一步提升。
- 单位
