基于Keras框架下的航空公司评论数据的情感分析

摘要：

长短时记忆网络(LSTM)模型可有效改善循环神经网络梯度消失,但在评论文本情感分类中未能达到一定普适性.针对此问题,文章基于Keras框架,采用模型融合的方法,对LSTM网络和反向循环神经网络结构进行融合和改进,即D-LSTM、BRNN以及M-BRNN.以航空公司评论数据集为例,采用改进的模型对文本进行分类,研究不同参数对模型性能的影响.经仿真对比分析结果表明,该模型较已有的文本分类模型鲁棒性更好,准确率比传统的方法提高了3.7％.

关键词：循环神经网络、情感分析、Keras框架、长短时记忆网络(LSTM)

所属期刊栏目：31

分类号：TP391.1(计算技术、计算机技术)

在线出版日期：2021-04-26（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：48-53