基于CNN-RSC组合优化算法语音情感分析与研究

• 作者: 张引强 徐海青 赵永生
• 来源期刊: 湘潭大学自然科学学报
• 学科: 工学
• 关键词: 深度学习 情感分析 递归自编码 卷积神经网络
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 材料工程与电子工程
• 页码范围: 101-105
• 页数: 5页
• 分类号: TP3
• 字数: 2906字
• 语种: 中文

摘要

提出一种基于深度学习的文本情感分析方法,将整个卷积神经网络的模型作为一种自动学习器,对输入词语的预表达特征进行学习,引入深度学习领域的递归自编码作为输出层情感分类器,实现语义情感信息的深度提取.设置实验对比卷积神经网络和递归自编码模型的参数,找出了实验过程的最佳参数组合,实验对比了CNN、RSC、CNN-RSC三种不同的算法.实验结果表明:基于CNN-RSC的组合优化算法在对文本情感特征的自动学习上有着较好的效果,在准确度和训练时间以及分类性能上均优于其他两种算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐海青		9	22	2.0	4.0
2	赵永生		4	18	2.0	4.0
4	张引强		7	14	1.0	3.0