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:
针对于文本情感分类任务,本文提出了混合深度神经网络模型TextRCNN-TextCNN.该模型利用TextRCNN和TextCNN联合提取文本特征.实验结果表明,该模型的准确率和F1值分别为0.8880、0.8879,相比于TextRCNN、TextCNN等模型有明显提升.
推荐文章
基于BERT字向量和TextCNN的农业问句分类模型分析
农业问句
智能问答系统
问句分类
预训练语言模型(BERT)
文本卷积神经网络
基于复杂句式短文本情感分类研究
文本信息处理
情感分析
复杂句式
word2vec
情感分类模型
SVM
基于fcmpCNN模型的网络文本情感多分类标注
情感分析
情感多分类标注
卷积神经网络
一种基于情感词典和朴素贝叶斯的中文文本情感分类方法
文本情感分类
朴素贝叶斯
情感词典
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TextRCNN和TextCNN的文本情感分类
来源期刊 信息记录材料 学科 工学
关键词 文本情感分类 TextRCNN TextCNN 深度学习
年,卷(期) 2019,(12) 所属期刊栏目 记录:云端与存储
研究方向 页码范围 135-136
页数 2页 分类号 TP391
字数 649字 语种 中文
DOI
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 武姗姗 2 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  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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
文本情感分类
TextRCNN
TextCNN
深度学习
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
信息记录材料
月刊
1009-5624
13-1295/TQ
大16开
河北省保定市乐凯南大街6号
18-185
1978
chi
出版文献量(篇)
9919
总下载数(次)
46
论文1v1指导