基于极性转移和双向LSTM的文本情感分析

• 作者: 陈葛恒
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 双向LSTM 情感分析 极性转移
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 综述与评论
• 页码范围: 149-152
• 页数: 4页
• 分类号: TP391
• 字数: 3398字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2018.02.034

摘要

长短时记忆(long-short term memory,LSTM)是一种特殊的循环神经网络(recurrent neural network,RNN),在文本处理中它可以通过刻意的设计来避免长期依赖的问题,因此被广泛用于语言模型、机器翻译以及语音识别等领域.但是该神经网络在文本处理上只能联系历史信息处理,无法预测到即将出现的下文信息;同时,在对文本处理时,无法处理文本中的情感极性问题.因此,文中将LSTM进行前后推算,加强文本中前后句子的关联性,并引入情感极性模型以解决情感分类中的极性转移问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈葛恒	河海大学计算机与信息学院	1	7	1.0	1.0