基于ConvLSTM模型的短文本情感分类研究

• 作者: 万双双 张志远
• 来源期刊: 现代电子技术
• 关键词: 短文本 情感分类 CNN LSTM ConvLSTM模型 深度学习模型
• 年，卷（期）: 2019,（22）
• 所属期刊栏目: 前沿交叉科学
• 页码范围: 159-163
• 页数: 5页
• 分类号: TN911-34|TP301.6
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.22.034

摘要

CNN在处理短文本情感分类时,使用卷积层抽取局部特征,用最大池化层选取局部特征最大值,易忽略其长期序列特性.该文使用一种新的深度学习模型ConvLSTM,利用长LSTM替代CNN中的最大池化层,以减少局部信息的丢失并捕获句子序列中的长期依赖关系.在IMDB影评数据集和Amazon评论数据集上的实验表明,该模型较CNN和单纯的LSTM在准确率、召回率和F值等方面均有较明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张志远	中国民航大学计算机科学与技术学院	17	31	4.0	5.0
2	万双双	中国民航大学计算机科学与技术学院	1	0	0.0	0.0