作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于机器学习的情感分类方法已经取得了较大进展,但在大量情感分类方法中,往往都是结合词嵌入和传统的机器学习方法,缺乏对文本主题以及时序关系等因素的有效利用.针对上述问题,提出了一种基于主题流与深度学习的情感分类算法,通过分析文本的主题分布,并引入时序关系,在此基础上利用适合的长短记忆神经网络的深度学习方法进行情感分类.实验证明,基于主题流与深度学习的情感分类算法性能较好.
推荐文章
基于深度学习的社交网络平台细粒度情感分析
情感分析
深度学习
降噪自动编码器
社交网络平台
融合深度学习与机器学习的在线评论情感分析
情感分析
深度学习
机器学习
Word2vec模型
传统情感分类方法与基于深度学习的情感分类方法对比分析
情感分类
神经网络
深度学习
词向量
word2vec
LSTM
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于主题流与深度学习的情感分析算法
来源期刊 软件导刊 学科 工学
关键词 NLP 情感分析 深度学习 主题流
年,卷(期) 2018,(8) 所属期刊栏目 人工智能
研究方向 页码范围 28-30,34
页数 4页 分类号 TP312
字数 2669字 语种 中文
DOI 10.11907/rjdk.181487
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王新 中国联合网络通信有限公司济南软件研究院 4 1 1.0 1.0
2 刘纳 山东科技大学计算机科学与工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (63)
共引文献  (198)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(1)
  • 二级参考文献(4)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(14)
  • 参考文献(1)
  • 二级参考文献(13)
2015(11)
  • 参考文献(1)
  • 二级参考文献(10)
2016(4)
  • 参考文献(0)
  • 二级参考文献(4)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
NLP
情感分析
深度学习
主题流
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导