Word2Vec+LSTM多类别情感分类算法优化

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.     

基于语料库的藏文词义相似度计算方法

在藏文信息处理领域，做藏文分词的学者很多，但是词义相似度在臧文中的运用却很少，由于藏文的句法特点与词形特点，编码方式等许多方面与中文有所不同，使得处理有一定的难度，尤其对于完全不懂藏文的人来说，更是如此。本文假设性的提出了基于藏文语料库的藏文词义相似度计算方法，该方法简单可行，从而弥补了藏文信息处理中的空白。