用于情感分类的双向深度LSTM

摘要：

对商品、电影等的评论的体现人们对商品的喜好程度,从而为意向购买该商品的人提供参考,也有助于商家调整橱窗货品以取得最大利润.近年来,深度学习在文本上强大的表示和学习能力为理解文本语义、抓取文本所蕴含的情感倾向提供了极好的支持,特别是深度学习中的长短记忆模型(Long Short-Term Memory,LSTM).评论是一种时序数据形式,通过单词前向排列来表达语义信息.而LSTM恰好是时序模型,可以前向读取评论,并把它编码到一个实数向量中,该向量隐含了评论的潜在语义,可以被计算机存储和处理.利用两个LSTM模型分别从前、后两个方向读取评论,从而获取评论的双向语义信息;再通过层叠多层双向LSTM来达到获取评论深层特征的目的 ;最后把这个模型放到一个情感分类模型中,以实现情感分类任务.实验证明,该模型相对基准LSTM取得了更好的实验效果,这表示双向深度LSTM能抓取更准确的文本信息.将双向深度LSTM模型和卷积神经网络(Convolutional Neural Network,CNN)进行实验对比,结果表明双向深度LSTM模型同样取得了更好的效果.

关键词：LSTM、深度学习、情感分类

所属期刊栏目：45

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61170192;重庆市科委重点项目cstc2017zdcy-zdyf0366;重庆市教委项目113143

在线出版日期：2018-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：213-217,252