基于词向量的情感新词发现方法研究

基于词向量的情感新词发现方法 基于词向量的情感新词发现方法是文本情感计算领域的热点研究方向。该方法首先使用基于统计量的方法识别微博语料中的新词，然后利用神经网络去训练语料中词语的词向量，从语料自身挖掘出词与词之间的相关性，最后提出基于词向量的情感新词发现方法。 词语级的情感倾向性分析是文本情感计算的重要研究方向。如何自动识别情感新词，并判断其情感倾向性已经成为当前亟待解决的问题。在传统的文本情感计算方法中，情感词典是基于词语的统计特征来判断其情感倾向性的，但是这种方法存在一定的局限性，例如无法处理未知词语和新词的情感倾向性。基于词向量的情感新词发现方法可以有效地解决这个问题。 在基于词向量的情感新词发现方法中，首先使用基于统计量的方法识别微博语料中的新词。这种方法可以对微博语料中的词语进行统计分析，从而发现新的词语。然后，使用神经网络去训练语料中词语的词向量。词向量是将词语表示为向量的形式，以便于计算机处理和分析。词向量可以捕捉到词语之间的相关性和含义，从而可以对词语的情感倾向性进行判断。 基于词向量的情感新词发现方法的优点在于可以自动识别情感新词，并且可以对词语的情感倾向性进行判断。该方法可以广泛应用于文本情感计算、自然语言处理、搜索引擎等领域。 在该方法中，作者使用了神经网络来训练词语的词向量，并使用基于统计量的方法来识别微博语料中的新词。这种方法可以对词语的词向量进行训练，从而可以对词语的情感倾向性进行判断。 基于词向量的情感新词发现方法的缺点在于需要大量的语料和计算资源。该方法需要对大量的语料进行处理和分析，以便于获得词语的词向量。同时，该方法也需要大量的计算资源来训练词语的词向量。 基于词向量的情感新词发现方法是文本情感计算领域的重要研究方向。该方法可以自动识别情感新词，并且可以对词语的情感倾向性进行判断。该方法可以广泛应用于文本情感计算、自然语言处理、搜索引擎等领域。 关键词：情感词、神经网络、词向量、中图分类号：TP391、文献标志码：A