基于LSTM特征模板的短文本情感要素分析与研究

• 作者: 刘小明 尹光花 张露 杨俊峰
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 互联网短文本 文本序列标注 长短时记忆网络模型 特征选择 要素抽取 机器学习模型
• 年，卷（期）: 2018,（11）
• 页码范围: 38-41,46
• 页数: 5页
• 分类号: TP391
• 字数: 4177字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2018.11.010

摘要

互联网短文本语言自由、灵活且缺乏规范性、要素错综复杂,使得传统的文本序列标注对情感要素抽取效果并不理想.针对此特点,文中提出一种基于长短时间记忆网络模型的互联网短文本情感要素抽取方法.主要利用长短时间记忆网络模型构建面向互联网短文本情感要素抽取任务的encode-decoder序列标注框架模型,并以此为基础融入3元窗口情感特征选择,在COAE2014测评数据集上实验.实验结果表明,该模型通过情感特征注入情感要素抽取准确率达70.7％,利用浅层机器学习模型分析情感倾向性也取得了较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘小明		2	19	2.0	2.0
2	张露	中原工学院计算机学院	4	5	1.0	2.0
3	尹光花	中原工学院计算机学院	3	3	1.0	1.0
4	杨俊峰	中原工学院计算机学院	2	3	1.0	1.0