基于word2vec和双向LSTM的情感分类深度模型

被引：42

作者：

黄贤英 ^{[1
]}

刘广峰 ^{[1
]}

刘小洋 ^{[1
,2
]}

阳安志 ^{[1
]}

机构：

[1] 重庆理工大学计算机科学与工程学院

[2] College of Engineering,University of Alabama

来源：

计算机应用研究 | 2019年 / 36卷 / 12期

关键词：

文本分类; 情感分析; 双向长短时记忆循环神经网络; 词向量; 社交网络;

D O I：

10.19734/j.issn.1001-3695.2018.08.0599

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

针对社交网络文本传统情感分类模型存在先验知识依赖以及语义理解不足的问题,提出一种基于word2vec和双向长短时记忆循环神经网络的情感分类模型——WEEF-BILSTM。采用基于CBOW (continuous bag-of-words)方式的word2vec模型针对语料训练词向量,减小词向量间的稀疏度,通过双向LSTM神经网络获取更为完整的文本上下文信息从而提取出深度词向量特征,继而使用one-versus-one SVM对其进行情感分类。实验结果表明,提出的WEEF-BILSTM模型较其他模型分类效果更好,能达到更优的准确率和F值。

引用

页码：3583 / 3587+3596 +3596

页数：6

共 11 条

[1] 基于双向LSTM模型的文本情感分类 [J].

任勉 ;

甘刚 .

计算机工程与设计, 2018, 39 (07) :2064-2068

[2] 基于卷积神经网络与多特征融合的Twitter情感分类方法 [J].

王汝娇 ;

姬东鸿 .

计算机工程, 2018, 44 (02) :210-219

[3] 基于多通道LSTM的不平衡情绪分类方法 [J].

殷昊 ;

李寿山 ;

贡正仙 ;

周国栋 .

中文信息学报, 2018, (01) :139-145

[4] 情感分类研究进展 [J].

陈龙 ;

管子玉 ;

何金红 ;

彭进业 .

计算机研究与发展, 2017, 54 (06) :1150-1170

[5] 基于复杂网络的情感分类特征选择 [J].

张向阳 ;

那日萨 .

计算机应用研究, 2017, 34 (04) :1000-1003

[6] 基于深度信念网络的文本分类算法 [J].

陈翠平 .

计算机系统应用, 2015, 24 (02) :121-126

[7] 基于SVM和CRF多特征组合的微博情感分析 [J].

李婷婷 ;

姬东鸿 .

计算机应用研究, 2015, 32 (04) :978-981

[8]

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

[9]

A topic-enhanced word embedding for Twitter sentiment classification[J] . Yafeng Ren,Ruimin Wang,Donghong Ji.Information Sciences . 2016

[10]

Imagenet classification with deep convolutional neural networks. Alex K,Sutskever I,Hinton G E. Neural Information Processing Systems （NIPS） . 2012

← 1 2 →