融合主题的CLSTM短文本情感分类

• 作者: 秦锋 邵光梅 郑啸 黄超
• 来源期刊: 安徽工业大学学报（自然科学版）
• 关键词: 主题 滑动窗口 上下文 长短期记忆模型 情感分类
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 信息与经管
• 页码范围: 289-295
• 页数: 7页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7872.2017.03.014

摘要

针对短文本简短的特性,为提高对其进行情感分类准确率,提出了T-CLSTM(Topic-based Context CLSTM)模型.该模型通过LDA模型生成词主题向量,并构建滑动窗口词主题上下文和层次词主题上下文,实现短文本信息扩展.探讨词主题、词主题上下文的构成,以及滑动窗口尺寸对词主题上下文的影响;将词向量和词主题上下文向量作为输入特征量训练分类模型,进行情感分类.在COAE2014语料上进行实验,结果表明,本文提出的模型分类准确率可达92.3%,相比baseline算法SVM和LSTM分别提高2%和4%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦锋	安徽工业大学计算机科学与技术学院	81	783	15.0	25.0
2	郑啸	安徽工业大学计算机科学与技术学院	54	1140	12.0	33.0
3	黄超	安徽工业大学计算机科学与技术学院	2	3	1.0	1.0
4	邵光梅	安徽工业大学计算机科学与技术学院	1	2	1.0	1.0