目录
摘要 II
关键词 II
ABSTRACT III
KEY WORDS III
一、 科技新闻情感分析研究现状 1
二、 相关理论 3
(一) Word2vec模型 3
(二) TextCNN模型 4
(三) BiLSTM模型 7
(四) RCNN模型 9
三、 实验分析 10
(一) 实验环境 10
(二) 实验数据集 11
(三) 文本预处理 12
(四) 评价指标 12
(五) 构建词向量 13
(六) 实验参数设置 14
1. TextCNN模型 14
2. BiLSTM模型 14
3. RCNN模型 14
(七) 对比实验结果 14
(八) RCNN模型优化 15
四、 总结与展望 15
致谢 16
参考文献 17
英文科技文本的情感分类方法研究
摘 要
随着科技的进步和互联网的发展，科技新闻的数量呈直线式上升，互联网上储存了数以亿计的新闻文本数据，传统的人工分类方法由于效率低下、成本较高等原因已经无法满足现在的分类需求， 急需寻找一种能够快速进行情感分析的方法。而且科技新闻是反映国家科研基础实力关键部分，也 是反映科技发展问题的主要渠道，能够为某些决策提供辅助信息。尤其是科技负面新闻的内容和数 量，如学术不端新闻等，对社会舆论的发展、政府的决策起着关键作用。因此，实现科技新闻文本的快速分类，追踪负面新闻的发展态势对于控制社会舆论发展具有重要作用。而科技新闻的情感倾向一般具有隐藏性，为了找到一种适合于科技新闻文本的情感分析方法，本文将使用Word2vec算法对预处理后的数据进行向量化处理，使用卷积神经网络模型（TextCNN）、双向长 短时记忆网络模型（BiLSTM）和二者的融合模型（RCNN）分别进行分类实验。实验结果显示，在 上述三种模型中，RCNN模型对科技新闻的情感倾向判断的准确率最高。

原文链接：http://www.jxszl.com/jsj/xxaq/607028.html