基于改进型LSTM的文本情感分析模型研究

• 作者: 罗正军 柯铭菘 周德群
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 文本情感分析 机器学习 长短期记忆模型 梯度下降 损失函数
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 40-44
• 页数: 5页
• 分类号: TP315
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.12.007

摘要

文本情感分析是自然语言处理领域的一大研究方向.文本情感分析本质上属于文本二分类问题,问题的核心是将一段文本所表达的情感分为正向和负向两类.传统的文本分类算法在进行文本情感分析时,不能很好地考虑到词与词之间的关联性以及词语之间的极性转移.针对LSTM神经网络模型在文本情感分析中的不足,设计并提出了基于改进型LSTM的文本情感分析模型.为了降低在原始LSTM模型中采用随机梯度下降法进行参数更新所带来的不确定性,提出一种基于向量空间的伪梯度下降法.在迭代过程中,为了减轻模型准确率的振荡现象,提出带有修正项的二元交叉熵损失函数,使改进后的模型有选择性地针对分类模糊的数据进行更新.实验结果表明,改进后的模型在分类正确率以及迭代效率上有所改进.