论文摘要
针对传统文本特征表示维度大且不能考虑上下文语义信息、循环神经网络梯度消失或梯度爆炸等问题,提出了一种结合LSTM和CNN的深度学习模型,文本数据经过清洗、词嵌入以及标准化后,将其输入至该模型中进行学习。考虑到词与词之间的相关性,使用了word2vec词向量工具,将LSTM和CNN通过恰当的方式结合,经实验验证,该模型的准确率和稳定性得到了有效提高。
论文目录
文章来源
类型: 期刊论文
作者: 叶颖雅,黎树俊,冯浩男,李明轩,陈珂
关键词: 深度学习,情感分析,词嵌入
来源: 广东石油化工学院学报 2019年06期
年度: 2019
分类: 社会科学Ⅱ辑,信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 广东石油化工学院计算机学院
基金: 广东省自然科学基金项目(2016A030307049,2018A030307032),广东省高等院校学科与专业建设专项资金项目(2016KTSCX090),大学生创新创业训练与培育项目(733013,733435,733437)
分类号: TP391.1;TP183
页码: 53-56+62
总页数: 5
文件大小: 406K
下载量: 280