一种融合主题模型的短文本情感分类方法

• 作者: 吴彦文 林娴 王馨悦 黄凯
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 模型融合 短文本分类 长短时记忆网络 隐狄利克雷模型
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 2082-2086
• 页数: 5页
• 分类号: TP391
• 字数: 5529字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2019.10.010

摘要

构建基于LDA主题模型和LSTM模型构建分类模型,以解决短文本情感分类问题.通过词嵌入法并融合LDA主题模型来扩展评论信息的特征表示方法以解决短文本数据稀疏,特征不明显等问题;引入LSTM构建分类模型,该模型可以记忆长程信息,通过不断学习文本上下文信息来更好地学习文本的特征信息.在评价文本数据集上作对比实验,相较于已有的模型,本文提出的情感分类模型在准确率、召回率、F1值等多个指标上具有更好的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴彦文	华中师范大学物理科学与技术学院	67	325	11.0	14.0
2	林娴	华中师范大学物理科学与技术学院	7	4	1.0	1.0
3	王馨悦	华中师范大学信息管理学院	6	7	2.0	2.0
4	黄凯	华中师范大学物理科学与技术学院	8	15	2.0	3.0