2026年 02期

摘要(Abstract)：

为了提高微博文本情感分类模型的性能，将卷积神经网络用于文本训练，并采用樽海鞘群算法优化求解卷积神经网络权重；对微博文本进行样本初始化并采用Word2Vec模型进行样本向量化，并建立卷积神经网络微博文本情感分类模型；将权重和偏置参数作为多个樽海鞘个体进行训练，并采用樽海鞘群算法的领队和追随者的的位置更新不断优化；对比所有樽海鞘个体和食物位置的适应度值，取适应度值最大的个体即获得卷积神经网络最优权重和偏置；采用经樽海鞘群算法优化的卷积神经网络对微博文本进行情感分类仿真验证。结果表明，通过合理设置樽海鞘群算法的控制参数，能够得到更优的卷积神经网络参数；与常用微博文本情感分类模型相比，樽海鞘群算法优化的卷积神经网络具有更高的分类准确率。

关键词(KeyWords)：微博文本;情感分类;卷积神经网络;樽海鞘群算法

基金项目(Foundation): 国家自然科学基金项目(61972089); 中国高校产学研创新基金项目(2023IT133); 广东省普通高校重点科研平台基金资助项目(2023CJPT012, 2023KCXTD075)

作者(Author):章美芳，俞龙，孙道宗

DOI:10.13349/j.cnki.jdxbn.20260202.001

参考文献(References)：

[1] SUN J, YIN L, ZOU M H, et al. Makespan-minimization workflow scheduling for complex networks with social groups in edge computing[ J]. Journal of Systems Architecture, 2020, 108: 101799.

[2] ZHU X F, WU J, ZHU L, et al. Exploring user historical semantic and sentiment preference for microblog sentiment classification[J]. Neurocomputing, 2021, 464: 141.

[3] 王名扬, 吴欢, 贾晓婷. 结合Word2Vec 与扩充情感词典的微博多元情感分类研究[J]. 东北师大学报(自然科学版), 2019, 51(1) :55.

[4] ZHOU C H, ZHOU J Y, YU C, et al. Multi-channel sliced deep RCNN with residual network for text classification[J]. Chinese Journal of Electronics, 2020, 29(5): 880.

[5] 徐凯旋, 李宪, 潘亚磊. 基于双向编码转换器和文本卷积神经网络的微博评论情感分类[J]. 复杂系统与复杂性科学, 2021, 18(2): 89.

[6] LIU Y S, SUEN C Y, LIU Y B, et al. Scene classification using hierarchical Wasserstein CNN[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(5): 2494.

[7] SHARMA A K, CHAURASIA S, SRIVASTAVA D K. Sentimental short sentences classification by using CNN deep learning model with fine tuned Word2Vec [ J]. Procedia Computer Science, 2020, 167: 1143.

[8] GUO B, ZHANG C X, LIU J M, et al. Improving text classification with weighted word embeddings via a multi-channel TextCNN model[J]. Neurocomputing, 2019, 363(21): 370.

[9] ABUALIGAH L, SHEHAB M, ALSHINWAN M, et al. Salp swarm algorithm: a comprehensive survey[J]. Neural Computing and Applications, 2020, 32(15): 11195.

[10] FARIS H, MIRJALILI S, ALJARAH I, et al. Salp swarm algorithm: theory, literature review, and application in extreme learning machines[M] // MIRJALILI S, SONG DONG J, LEWIS A. Nature-inspired Optimizers: Studies in Computational Intelligence, Vol 811. Cham: Springer, 2020: 185.

[11] ZHANG H L, CAI Z N, YE X J, et al. A multi-strategy enhanced salp swarm algorithm for global optimization [J]. Engineering with Computers, 2020, 38(2): 1177.

[12] HEGAZY A E, MAKHLOUF M A, El-TAWEL G S. Improved salp swarm algorithm for feature selection[J]. Journal of King Saud University: Computer and Information Sciences, 2020, 32(3): 335.

[13] 王文韬, 张士豹. 基于情感词典和SVM 的微博网民情感分析[J]. 现代信息科技, 2021, 5(24): 24.

[14] 吴鹏, 李婷, 仝冲, 等. 基于OCC 模型和LSTM 模型的财经微博文本情感分类研究[J]. 情报学报, 2020, 39(1): 81.

[15] 陈亚茹, 陈世平. 融合自注意力机制和BiGRU 网络的微博情感分析模型[J]. 小型微型计算机系统, 2020, 41(8): 1590.