基于极性转移和双向LSTM的文本情感分析

长短时记忆(long-short term memory,LSTM)是一种特殊的循环神经网络(recurrent neural network,RNN),在文本处理中它可以通过刻意的设计来避免长期依赖的问题,因此被广泛用于语言模型、机器翻译以及语音识别等领域。但是该神经网络在文本处理上只能联系历史信息处理,无法预测到即将出现的下文信息;同时,在对文本处理时,无法处理文本中的情感极性问题。因此,文中将LSTM进行前后推算,加强文本中前后句子的关联性,并引入情感极性模型以解决情感分类中的极性转移问题。

Text sentiment analysis based on polarity transfer and bidirectional long-short term memory