基于BiGRU-CNN的中文评论文本情感分析

摘要：

目前,常用的深度学习模型是基于卷积神经网络(convolutional neural network,CNN)和循环神经网络(recurrent neural network,RNN)的模型,而RNN中包括长短期记忆网络(long-short term memory,LSTM)和门控循环单元(gated recurrent unit,GRU)两种变体模型.为提高评论文本情感分析的准确率,本文将RNN与CNN结合,提出一种融合双向门控循环单元(bidirection gated recurrent unit,BiGRU)和CNN的BiGRU-CNN文本情感分析模型.该模型在商品评论和电影评论数据集上的准确率分别达到了93.27％和90.76％.相比CNN、LSTM和GRU等基本模型,BiGRU-CNN模型提高了文本情感分析的准确率,并且模型训练时间适中.

关键词：人工智能、情感分析、深度学习、门控循环单元、卷积神经网络

所属期刊栏目：12

分类号：TP183(自动化基础理论)

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：363-370