基于BiLSTM-CNN串行混合模型的文本情感分析

• 作者: 王乐 王伟杰 赵宏
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 文本情感分析 上下文信息 语义特征 长短时记忆神经网络 卷积神经网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 16-22
• 页数: 7页
• 分类号: TP389.1
• 字数: 9298字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019060968

摘要

针对现有文本情感分析方法准确率不高、实时性不强以及特征提取不充分的问题,构建了双向长短时记忆神经网络和卷积神经网络(BiLSTM-CNN)的串行混合模型.首先,利用双向循环长短时记忆(BiLSTM)神经网络提取文本的上下文信息;然后,对已提取的上下文特征利用卷积神经网络(CNN)进行局部语义特征提取;最后,使用Softmax得出文本的情感倾向.通过与CNN、长短时记忆神经网络(LSTM)、BiLSTM等单一模型对比,所提出的文本情感分析模型在综合评价指标F1上分别提高了2.02个百分点、1.18个百分点和0.85个百分点;与长短时记忆神经网络和卷积神经网络(LSTM-CNN)、BiLSTM-CNN并行特征融合等混合模型对比,所提出的文本情感分析模型在综合评价指标F1上分别提高了1.86个百分点和0.76个百分点.实验结果表明,基于BiLSTM-CNN的串行混合模型在实际应用中具有较大的价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵宏	兰州理工大学计算机与通信学院	39	132	7.0	10.0
2	王乐	兰州理工大学计算机与通信学院	7	81	4.0	7.0
3	王伟杰	兰州理工大学计算机与通信学院	2	2	1.0	1.0