一种用于中文微博情感分析的多粒度门控卷积神经网络

摘要

提出一种多粒度门控卷积神经网络(multiple grains-gated convolutional neural networks,MG-GCNN)模型.该模型通过结合词语和单字层面的上下文信息作为网络的输入信息,使网络模型可以充分利用上下文中不同粒度的文本特征信息,并且通过门控操作有效控制不同粒度信息的更新和传递.在不同领域微博文本数据集上的实验结果表明,所提出的MG-GCNN模型取得了比传统分类模型和深度网络模型更好的情感分类效果.