摘要：提出了一种面向情绪分类的融合词内部信息和情绪标签的词向量学习方法。在CBOW模型的基础上，引入词内部成分和情绪标签信息，以适应微博情绪表达的不规范，同时丰富词向量的情绪语义。对于输入文本，按照词的TF—IDF权重对词向量进行加权求和，以作为文本向量表示。以上述词向量或文本向量作为情绪分类器的输入，采用机器学习的分类方法（LR、SVM、CNN），验证本文情绪词向量在情绪分类任务上的实验效果。实验表明，情绪词向量与原始CBOW词向量相比，在准确率、召回率、F值等各项指标上都有更好的表现。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
