双通道卷积神经网络在文本情感分析中的应用

摘要 针对单通道卷积神经网络（CNN）视角单一、不能充分学习到文本的特征信息的问题，提出双通道CNN （DCCNN）算法。首先，采用Word2Vec训练词向量，利用词向量获得句子的语义信息；其次，采用两个不同的通道进行卷积运算，一个通道为字向量，另一个通道为词向量，利用细粒度的字向量辅助词向量捕捉深层次的语义信息；最后，通过不同尺寸的卷积核，发现句子内部更高层次抽象的特征。实验结果表明，所提DCCNN算法能够准确识别文本情感极性，其正确率和F1值均达到95%以上，相比逻辑回归算法、支持向量机（SVM）算法以及CNN算法等都有显著提升