Word2Vec+LSTM多类别情感分类算法优化

• 作者: 辛伟彬 邬佳明 邬明强
• 来源期刊: 计算机系统应用
• 关键词: Word2Vec LSTM 情感分类 学习率 损失函数 激活函数
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 130-136
• 页数: 7页
• 字数: 5121字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007227

摘要

随着网民的数量不断增加, 用户上网产生的数据量也在成倍增多, 随处可见各种各样的评论数据, 所以构建一种高效的情感分类模型就非常有必要. 本文结合Word2Vec与LSTM神经网络构建了一种三分类的情感分类模型: 首先用Word2Vec词向量模型训练出情感词典, 然后利用情感词典为当前训练集数据构建出词向量, 之后用影响LSTM神经网络模型精度的主要参数来进行训练. 实验发现: 当数据不进行归一化, 使用He初始化权重, 学习率为0.001, 损失函数选择均方误差, 使用RMSProp优化器, 同时用tanh函数作为激活函数时, 测试集的总体准确率达到了92.28%. 与传统的Word2Vec+SVM方法相比, 准确率提高了大约10%, 情感分类的效果有了明显的提升,为LSTM模型的情感分类问题提供了新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	辛伟彬	广东东软学院数字媒体与设计学院	4	3	1.0	1.0
2	邬明强	广东东软学院数字媒体与设计学院	1	0	0.0	0.0
3	邬佳明	开封大学软件职业技术学院	1	0	0.0	0.0