改进的HMM模型在特征抽取上的应用

• 作者: 范太华 陈昌浩
• 来源期刊: 计算机测量与控制
• 关键词: 向量空间模型 词嵌入 改进的隐马尔科夫模型 情感分析
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 设计与应用
• 页码范围: 217-220,224
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.04.057

摘要

目前,情感分类常用的特征抽取方法是基于词典的向量空间模型(VSM),潜在的语义分析(LSA)和基于无监督算法的词嵌入(word2vec),随机词向量法,这些方法都是对单个词语进行处理;通过哈工大词云对采集的豆瓣评论数据集进行语义角色进行的标记以后,采用了改进的隐马尔科夫模型(MHMM)对词对向量进行特征构建,并将其作为一个序列片段作为长短记忆门(LSTM)的输入,最后使用softmax函数对动态循环神经网络输出的序列进行分类;实验使用了交叉熵作为优化函数,采用了随机梯度下降法对优化函数进行迭代产生最优解;实验结果证明了该方法对豆瓣影评数据进行情感分类产生了更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范太华	西南科技大学计算机科学与技术学院	27	127	5.0	10.0
2	陈昌浩	西南科技大学计算机科学与技术学院	1	3	1.0	1.0