基于极性转移和LSTM的树结构网络与句子分类

• 作者: 汪冉 金忠
• 来源期刊: 计算机应用研究
• 关键词: 神经网络 长短期记忆网络 树结构网络 极性转移 句子分类
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 64-67
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.07.0669

摘要

长短期记忆网络(long short term memory,LSTM)是一种能长久储存序列信息的循环神经网络,在语言模型、语音识别、机器翻译等领域都得到了广泛的应用.首先研究了前人如何将LSTM中的记忆模块拓展到语法树得到LSTM树结构网络模型,以获取和储存句子深层次的语义结构信息;然后针对句子词语间的极性转移在LSTM树结构网络模型中添加了极性转移信息而提出了极性转移LSTM树结构网络模型,更好地获取情感信息来进行句子分类.实验表明在Stanford sentiment tree-bank数据集上,提出的极性转移LSTM树结构网络模型的句子分类效果优于LSTM、递归神经网络等模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金忠	南京理工大学计算机科学与工程学院	72	1142	17.0	31.0
2	汪冉	南京理工大学计算机科学与工程学院	1	1	1.0	1.0