利用深度学习技术进行领域情感词典自动化创建——以金融业为案例研究.pdf

简介：
本文探讨了运用深度学习方法自动构建领域特定的情感词汇表，并通过在金融行业的应用实例进行了深入的研究和分析。 摘要：【目的】为特定领域的情感分析任务构建一个适用的情感词典。 【方法】以金融领域为例, 结合语料库与知识库的特点, 提出一种全新的构建情感词典的方法: 利用词向量技术将文本信息映射到向量空间，并借助已有的通用情感词典，自动标引训练数据。按照9:1的比例划分训练集和预测集。使用Python语言建立深度神经网络分类器，通过该模型判断特定领域候选情感词汇的情感极性, 从而构建情感词典。 【结果】本段落所提出的神经网络分类器在训练阶段的准确率为95.02%，而在验证阶段达到95.00%。实验表明，利用这种方法构建的情感词典在金融领域的表现优于其他现有方法。 【局限】种子词汇的选择和提取仍需进一步优化。 【结论】本研究解决了深度学习模型中因数据量不足而导致的训练问题，并且克服了单纯依靠词向量难以准确区分情感信息的问题。该方法对于特定领域情感词典构建具有较好的效果，为相关领域的后续研究提供了参考依据。