论文部分内容阅读
针对高效地提取不同窗口大小的文本局部语义特征,提出一种深度卷积神经网络模型。无需手动指定多种窗口大小,模型通过堆叠多个卷积层,提取不同窗口的局部语义特征。同时基于全局最大池化层构建分类模块,为每种窗口的局部语义特征计算情感类别得分。模型最后综合这些类别得分完成情感分类标注。实验表明:模型的训练效率和预测速度较其他CNN模型有较大提高,同时文本情感分类标注正确率比其他CNN模型高或持平。