基于改进的卷积记忆神经网络的文本情感分类

• 作者: 郑晶晶 陈可嘉
• 来源期刊: 武汉理工大学学报（信息与管理工程版）
• 学科: 工学
• 关键词: 文本分类 情感分类 改进的卷积记忆神经网络 在线评论 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 交叉科学
• 页码范围: 86-92
• 页数: 7页
• 分类号: TP391.1
• 字数: 5946字
• 语种: 中文
• DOI: 10.3963/j.issn.2095-3852.2020.01.015

摘要

针对如何将评论文本按照不同的情感进行分类的问题,提出改进的卷积记忆神经网络模型.该模型融合了卷积神经网络和双向长短期记忆神经网络在信息提取上的优势,并在卷积神经网络中进行动态池化处理,从而提取更多的显著文本特征.实验结果表明,改进卷积记忆神经网络的准确率、精度、召回率、F1测度分别达到92.41％、92.32％、93.27％、93.63％.相比于卷积神经网络、双向长短期记忆神经网络、卷积记忆神经网络,该模型在处理和评论文本情感分类问题上具有较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈可嘉	福州大学经济与管理学院	49	228	9.0	12.0
2	郑晶晶	福州大学经济与管理学院	8	8	2.0	2.0