论文部分内容阅读
随着移动媒体的发展,大众更多的参与到科学传播的互动当中,产生了大量的评论文本。这些评论直接反映了用户对于科普文章的认可程度,从中获取有效的情感信息可以帮助科普工作者了解舆论倾向,改变传播策略。本文采用深度学习模型,构建长短时记忆网络实现情感分类。首先对科普评论数据进行预处理,采用分词技术将输入的评论文本分词,并通过经科普语料训练的word2vec模型将文本向量化。其次,在文本向量基础上加入用户维度,评论文章维度参数构成最终的输入矩阵。最终,将矩阵传入经训练的长短时记忆(Long Short-Term Memory LSTM)网络得到最终的分类模型结果。实验表明,该模型在科普相关评论的情感分类任务中取得了较好的分类效果,准确率达到了94.7%。这也表明加入相关维度特征能够有效提升模型的准确率。