| 基于word2vec和双向LSTM的情感分类深度模型 |
| |
| 引用本文： | 黄贤英,刘广峰,刘小洋,阳安志.基于word2vec和双向LSTM的情感分类深度模型[J].计算机应用研究,2019,36(12). |
| |
| 作者姓名： | 黄贤英 刘广峰 刘小洋 阳安志 |
| |
| 作者单位： | 重庆理工大学计算机科学与工程学院,重庆400054;重庆理工大学计算机科学与工程学院,重庆400054;College of Engineering, University of Alabama, Tuscaloosa, Alabama35401, USA |
| |
| 基金项目： | 重庆理工大学研究生创新资助项目(ycx2018245);重庆市教育委员会人文社会科学研究项目(17SKG144);国家教育部人文社科青年基金项目(16YJC860010);国家社科基金项目(17XXW004);2018年重庆市科委技术创新与应用示范项目(cstc2018jscx-msybX0049) |
| |
| 摘 要： | 针对社交网络文本传统情感分类模型存在先验知识依赖以及语义理解不足的问题，提出一种基于word2vec和双向长短时记忆循环神经网络的情感分类模型—WEEF-BILSTM。采用基于CBOW（continuous bag-of-words）方式的word2vec模型针对语料训练词向量，减小词向量间的稀疏度，通过双向LSTM神经网络获取更为完整的文本上下文信息从而提取出深度词向量特征，继而使用one-versus-one SVM对其进行情感分类。实验结果表明，提出的WEEF-BILSTM模型较其他模型分类效果更好，能达到更优的准确率和◢F◣值。
|
| 关 键 词： | 文本分类 情感分析 双向长短时记忆循环神经网络 词向量 社交网络 |
| 收稿时间： | 2018/8/21 0:00:00 |
| 修稿时间： | 2019/10/25 0:00:00 |
Sentiment classification depth model based on word2vec and bi-directional LSTM |
| |
| huangxianying and liuguangfeng.Sentiment classification depth model based on word2vec and bi-directional LSTM[J].Application Research of Computers,2019,36(12). |
| |
| Authors: | huangxianying and liuguangfeng |
| |
| Affiliation: | Chongqing University of Technology, |
| |
| Abstract: | |
| |
| Keywords: | text classification sentiment analysis Bi-LSTM word embedding social network |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
