基于深度双向长短时记忆网络的文本情感分类

摘要：

针对文本情感分类中浅层统计特征忽略了文本内容的序列顺序的问题,提出了一个基于深度双向长短时记忆循环神经网络(DB-LSTM-RNN)的情感分析预测模型.用词嵌入的方法学习文本的分布式表示,并将这些表示作为预训练的向量,用深度双向长短时记忆网络模型进行序列学习,将该结构中学习到的深层表示输入到机器学习分类器中进行情感分类.实验结果表明,该模型比基于浅层统计特征的方法提高了7.6％的准确率.

关键词：情感分类、词嵌入、长短时记忆网络、循环神经网络

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：广西可信软件重点实验室基金KX201503;桂林电子科技大学研究生教育创新计划2016YJCX66

在线出版日期：2018-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：122-126