基于CSLSTM网络的文本情感分类

• 作者: 叶东毅 庄丽榕
• 来源期刊: 计算机系统应用
• 关键词: 文本情感分类 注意力机制 用户信息 产品信息 语义关系 相似度
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 研究开发
• 页码范围: 230-235
• 页数: 6页
• 字数: 5265字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3254.2018.02.039

摘要

文本情感分类是自然语言处理领域的研究热点, 更是产品评价领域的重要任务.考虑到词向量与句向量之间的语义关系和用户信息、产品信息对文本情感分类的影响, 提出余弦相似度LSTM网络. 该网络通过在不同语义层级中引入用户信息和产品信息的注意力机制, 并根据词向量和句向量之间的相似度初始化词层级注意力矩阵中隐层节点的权重. 在Yelp13、Yelp14和IMDB三个情感分类数据集上的实验结果表明文中方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶东毅	福州大学数学与计算机科学学院	112	1572	18.0	36.0
2	庄丽榕	福州大学数学与计算机科学学院	4	56	2.0	4.0