基于深度双向长短时记忆网络的文本情感分类

• 作者: 刘建兴 吕光瑞 毕梦莹 蔡国永
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 情感分类 词嵌入 长短时记忆网络 循环神经网络
• 年，卷（期）: 2018,（2）
• 页码范围: 122-126
• 页数: 5页
• 分类号: TP391
• 字数: 2855字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-808X.2018.02.008

摘要

针对文本情感分类中浅层统计特征忽略了文本内容的序列顺序的问题,提出了一个基于深度双向长短时记忆循环神经网络(DB-LSTM-RNN)的情感分析预测模型.用词嵌入的方法学习文本的分布式表示,并将这些表示作为预训练的向量,用深度双向长短时记忆网络模型进行序列学习,将该结构中学习到的深层表示输入到机器学习分类器中进行情感分类.实验结果表明,该模型比基于浅层统计特征的方法提高了7.6％的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡国永	桂林电子科技大学计算机与信息安全学院	98	400	12.0	15.0
2	吕光瑞	桂林电子科技大学计算机与信息安全学院	2	3	1.0	1.0
3	毕梦莹	桂林电子科技大学计算机与信息安全学院	2	6	2.0	2.0
4	刘建兴	桂林电子科技大学计算机与信息安全学院	2	6	2.0	2.0