一种用于情感分析的数据驱动神经网络架构

卷积神经网络在图像相关任务上的优异结果，吸引了文本挖掘、情感分析及其他文本分析研究者的注意。然而，在为这类网络提供足够数据、优化其参数以及构建网络架构时做出正确设计选择方面存在困难。本文展示了两个大型歌曲情感数据集的构建步骤。我们还探索了卷积与最大池化神经层在歌曲歌词、产品和电影评论文本数据集上的使用。同时比较了三种简单且灵活的神经网络架构变体。我们的意图是发现任何可作为类似模型参数优化指导的重要模式。我们也希望识别出能导向高性能情感分析模型的架构设计选择。为此，我们进行了一系列不同配置神经架构的实验。我们的结果表明，长度不超过 3 的并行卷积通常足以捕获相关文本特征。此外，最大池化区域大小应适配文本文档长度以产生最佳特征图。我们取得的最佳结果来自长度为 6 至 18 的特征图。未来情感分析神经网络模型的一个改进方向，可以是通过对整篇文本较小片段预测的聚合来生成文档的情感极性预测。