收录：
摘要：
本发明公开一种建立大规模跨领域文本情感倾向性分析框架方法，包括：对源领域和目标领域的样本文件进行精确分词，形成两个词向量表；对词向量进行聚类和领域间的对齐；用词向量对源领域的标定样本进行初步的句子建模并作为DCELM的输入，利用卷积运算提取文本向量的中间层抽象特征；记录验证集分类效果最好时的卷积层参数作为DCELM网络卷积层的参数；最后用DCNN提取的少量目标领域的标定样本的中间层抽象特征来训练分类器ELM的隐层参数，建立大规模跨领域文本情感倾向性分析框架。采用本发明的技术方案，在样本层消除领域间表达情感极性的词语的差距，而且有效解决全连接层容易陷入局部最优和泛化能力弱的缺点，增加模型的抗干扰性。
关键词：
通讯作者信息：
电子邮件地址：
