结合改进Bi-LSTM和CNN的文本情感分析

• 作者: 郭勇 赵康 潘力
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 文本情感分析 栈式双向LSTM 卷积神经网络 基线模型
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 基金项目
• 页码范围: 50-55
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2021.02.009

摘要

针对目前用于文本情感分析神经网络非常缺乏的问题,提出了一种级联RNN的体系结构.该体系结构首先将RNN放在全局平均池化层上,用于捕获与CNN之间的长期依赖关系,然后通过GloVe嵌入方法对词向量进行处理,最终作为输入数据,进行训练.该方法与Twitter语料库中的基线模型相比,实验表现出更好的情感分类效果,该方法在Twitter情感语料库中最高识别率可达88.86％,从而为情感分析提供可靠的依据.并且它具有超参数调整功能,能够减少更高性能的参数的数量.