基于极性转移和LSTM递归网络的情感分析

被引：87

作者：

梁军 ^{[1
]}

柴玉梅 ^{[1
]}

原慧斌 ^{[2
]}

高明磊 ^{[1
]}

昝红英 ^{[1
]}

机构：

[1] 郑州大学信息工程学院

[2] 中国核科技信息与经济研究院

来源：

中文信息学报 | 2015年 / 29卷 / 05期

关键词：

LSTM; 递归神经网络; 情感分析;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

长短时记忆(long short term memory,LSTM)是一种有效的链式循环神经网络(recurrent neural network,R2 NN1),被广泛用于语言模型、机器翻译、语音识别等领域。但由于该网络结构是一种链式结构,不能有效表征语言的结构层次信息,该文将LSTM扩展到基于树结构的递归神经网络(Recursive Neural Network,RNN)上,用于捕获文本更深层次的语义语法信息,并根据句子前后词语间的关联性引入情感极性转移模型。实验证明本文提出的模型优于LSTM、递归神经网络等。

引用

页码：152 / 159

页数：8