word2vec是google在2013年公布的开源工具包,可以用来将word vector化。原理如下
简单来说:
为了实现文章或者一段话的情感分析,有以下几种方法:
1. 简单分为正向情感和负向情感,比如 good 就+1, bad就-1
2. 利用bags of words , 认为词是独立的,缺点是不考虑上下文的联系
3. 利用word2vec,考虑上下文
该方法可以在捕捉语境信息的同时压缩数据规模。Word2Vec实际上是两种不同的方法:Continuous Bag of Words (CBOW) 和Skip-gram。CBOW的目标是根据上下文来预测当前词语的概率。Skip-gram刚好相反:根据当前词语来预测上下文的概率。这两种方法都利用人工神经网络作为它们的分类算法。起初,每个单词都是一个随机 N 维向量。经过训练之后,该算法利用 CBOW 或者 Skip-gram 的方法获得了每个单词的最优向量。
参考
源文档<