基于CNN﹣LSTM模型的短文本情感分类

• 作者: 杜永萍 裴兵兵 赵晓铮
• 来源期刊: 北京工业大学学报
• 学科: 工学
• 关键词: 短文本 情感分类 语义特征 深度学习 卷积神经网络 长短时记忆神经网络
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 研究论文
• 页码范围: 662-670
• 页数: 9页
• 分类号: TP391
• 字数: 5270字
• 语种: 中文
• DOI: 10.11936/bjutxb2017120035

摘要

为了有效获取短文本评论隐含的语义信息进行情感倾向性识别,提出一种基于CNN-LSTM模型的短文本情感分类方法. 利用卷积神经网络(convolutional neural network,CNN)模型设置不同大小的卷积窗口,提取短文本的语义特征. 引入长短时记忆(long short-term memory, LSTM)神经网络模型对短文本的情感倾向进行预测. 在3种不同的中英文短文本评论数据集上进行验证取得较好的性能,其中,在NLPCC评测数据集上,正、负向情感识别的F1值分别达到0. 768 3和0. 772 4(优于NLPCC评测的最优结果). 相较于传统的机器学习分类模型,t-test检验结果表明性能提升显著.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜永萍	北京工业大学计算机学院	32	389	9.0	19.0
2	赵晓铮	北京工业大学计算机学院	3	17	2.0	3.0
3	裴兵兵	北京工业大学计算机学院	2	5	1.0	2.0