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:
本文面向在线电影评论信息,在研究LSTM和CNN深度学习方法的基础上,将二者结合起来,提出了LSTM_CNN的情感分类模型,实现对影评的情感分类.并通过与SVM、LSTM、CNN的分类方法进行对比,验证了模型的有效性,本文方法对影评的分类准确率达到了88.5%.基于LSTM_CNN的情感分析模型不仅适用于电影产品评论,同样也适用于其他产品评论或短文本分析领域.
推荐文章
基于CNN和LSTM混合模型的人体跌倒行为研究
跌倒行为识别
卷积神经网络
长短期记忆网络
时间维度
面向票房预测的影评情感可视分析
情感分析
情感可视分析
空间差值可视化
票房预测
基于CNN-LSTM的QAR数据特征提取与预测
深度学习
融合卷积神经网络
长短时记忆网络
特征提取
时间序列预测
基于word embedding和CNN的情感分类模型
卷积神经网络
自然语言处理
深度学习
词嵌入
情感分类
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LSTM_CNN模型的影评情感分析
来源期刊 电脑迷 学科
关键词 情感分析 深度学习 电影评论
年,卷(期) 2018,(30) 所属期刊栏目 电子技术
研究方向 页码范围 105
页数 1页 分类号
字数 933字 语种 中文
DOI 10.3969/j.issn.1672-528X.2018.30.098
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 张翠肖 石家庄铁道大学信息科学与技术学院 30 143 8.0 11.0
2 郝杰辉 石家庄铁道大学信息科学与技术学院 2 0 0.0 0.0
3 侯晓晴 石家庄铁道大学信息科学与技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (9)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
情感分析
深度学习
电影评论
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
电脑迷
旬刊
1672-528X
50-1163/TP
16开
重庆市渝中区双钢路3号科协大厦1202(武汉市洪山区珞狮北路2号樱花大厦A座15楼 430070)
78-230
2003
chi
出版文献量(篇)
29651
总下载数(次)
121
总被引数(次)
8479
论文1v1指导