基于BILSTM-GraphSAGE模型的短文本情感分析

• 作者: 张之明 李笑 杨文欣
• 来源期刊: 武警工程大学学报
• 学科: 工学
• 关键词: 情感分析 BILSTM GraphSAGE 短文本
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信息通信与指挥保障研究
• 页码范围: 19-22
• 页数: 4页
• 分类号: TP391.1
• 语种: 中文

摘要

为克服当前基于上下文语境的词向量表示短文本的局限性,提出一种具有更丰富语义信息的BILSTM-GraphSAGE(BGS)模型.首先,根据本文设计的算法,构建短文本的关键词共现图.其次,通过BGS模型,将包含词语上下文特征的向量与表示图结构特征的向量进行拼接,生成该文本的嵌入表示.最后,将嵌入表示输入到分类层中,确定短文本的情感类型.结果 表明:F-1值分别至少提升2.60％和2.12％,取得了更好的短文本情感分析效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张之明		15	70	4.0	8.0
2	李笑		8	0	0.0	0.0
3	杨文欣		1	0	0.0	0.0