基于双向LSTM模型的文本情感分类

被引：32

作者：

任勉

甘刚

机构：

[1] 成都信息工程大学网络空间安全学院

来源：

计算机工程与设计 | 2018年 / 39卷 / 07期

关键词：

双向长短时记忆循环神经网络; 词向量; 长短时记忆网络; 循环神经网络; 文本情感倾向性分析;

D O I：

10.16208/j.issn1000-7024.2018.07.044

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

为解决文本情感分类研究中传统循环神经网络模型存在梯度消失和爆炸问题,提出一种基于双向长短时记忆循环神经网络模型(Bi-LSTM)。通过双向传播机制获取文本中完整的上下文信息,采用CBOW模型训练词向量,减小词向量间的稀疏度,结合栈式自编码深度神经网络作为分类器。实验结果表明,Bi-LSTM模型比传统循环神经网络LSTM模型分类效果更好,对比实验中Bi-LSTM2能达到更优的召回率和准确率。

引用

页码：2064 / 2068

页数：5

共 5 条

[1] 我国网络舆情热度分析文献综述 [J].

胡改丽 ;

陈婷 ;

陈福集 ;

郑小雪 .

情报科学, 2016, 34 (01) :160-166

[2]

Improving sentiment analysis via sentence type classification using BiLSTM-CRF and CNN.[J].Tao Chen;Ruifeng Xu;Yulan He;Xuan Wang.Expert Systems With Applications.2017,

[3]

Topic-related Chinese message sentiment analysis.[J].Chun Liao;Chong Feng;Sen Yang;Heyan Huang.Neurocomputing.2016,

[4]

Attention pooling-based convolutional neural network for sentence modelling.[J].Meng Joo Er;Yong Zhang;Ning Wang;Mahardhika Pratama.Information Sciences.2016,

[5]

移动环境下网络舆情信息传播特征及路径研究.[D].邢云菲.吉林大学.2016, 09

← 1 →