基于LSTM的评论文本情感分析方法研究

• 作者: 孙丽娜 李井辉 李晶
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 文本情感分析 LSTM长短时记忆神经网络 卷积神经网络 词嵌入技术
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 基金项目
• 页码范围: 1-4
• 页数: 4页
• 分类号: TP391.41
• 字数: 3985字
• 语种: 中文

摘要

长短时记忆神经网络(long short-term memory,LSTM)是一种特殊形式的循环神经网络.是为了解决基于长文本序列的模型训练过程中的梯度消失和梯度爆炸等问题而提出的.相对于传统的循环神经网络,LSTM在长序列上有更好的表现.LSTM是一种包含重复神经网络模块的链式形式,在该链式模式中,重复的模块有着不同的结构,其中包括输入门、遗忘门和输出门.介绍了LSTM的工作原理并将其应用到文本情感分析领域,然后,结合Word2Vec词嵌入技术在大规模文本情感分析数据集上进行实验,将LSTM与基于卷积神经网络(CNN)的方法进行实验对比,最终发现LSTM相较于传统的CNN方法在文本情感分类的准确率方面取得了更好的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晶	东北石油大学计算机与信息技术学院	6	16	3.0	4.0
2	孙丽娜	东北石油大学计算机与信息技术学院	17	31	3.0	4.0
3	李井辉	东北石油大学计算机与信息技术学院	19	59	4.0	7.0