CNN结合BLSTM的短文本情感倾向性分析

• 作者: 司新红 王勇
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 卷积神经网络 双向长短时记忆网络 注意力机制 文本情感分析 深度学习
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 15-20
• 页数: 6页
• 分类号: TP301
• 字数: 5428字
• 语种: 中文
• DOI: 10.11907/rjdk.191118

摘要

情感分析在业界被广泛应用于产品分析、商品推荐等方面,具有很高的商业价值.目前常用的研究方法主要基于机器学习算法和基于词典的方法,该类方法通常需依赖复杂的人工规则和特征工程.针对传统情感分类方法需要人工干预的问题,总结目前已有可用于情感分析的深度学习方法,提出将卷积神经网络(CNN)和双向长短时记忆网络(BLSTM)进行组合,并将融合后的特征添加至注意力机制,设计出 CBLSTM-Attention模型.实验表明,该模型在中文数据集上准确率达 0.965 0,在 NLPCC英文数据集上准确率达 0.942 2,证明该方法不仅可提高文本情感倾向性分析的准确率,而且可有效解决人工干预问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王勇	北京工业大学信息学部	50	389	8.0	18.0
2	司新红	北京工业大学信息学部	1	2	1.0	1.0