Print

基于LSTM-CNNS情感增强模型的微博情感分类方法

论文摘要

情感分析是文本分析中一个重要的研究领域,基于新浪微博进行情感极性的分析研究,结合词向量模型、长短期记忆网络（long short-term memory,LSTM）以及注意力机制,搭建了一个适用于中文微博情感分析的模型。同一任务下,基于长短期记忆网络和卷积神经网络（convolutional neural network,CNN）模型,使用情感词库对文本的情感进行加强,搭建了CNN情感增强模型和情感增强型的LSTM-CNNS情感分析模型。使用NLPCC 2013和NLPCC 2014的测评任务标准数据集进行实验。上述两种方法在测试集上的准确率分别为88.02%和93.03%,结果表明LSTM-CNNS情感增强模型在情感分类任务中表现更为突出。

论文目录

  • 0 引言
  • 1 国内外研究现状
  •   1.1 基于机器学习的情感分析方法
  •   1.2 基于深度学习的情感分析方法
  • 2 LSTM+Self-Attention分类模型
  •   2.1 LSTM模型
  •   2.2 自注意力机制
  •   2.3 LSTM+ Self-Attention情感分类框架
  • 3 CNNS和LSTM-CNNS模型
  •   3.1 CNNS模型
  •     1)词向量映射层。
  •     2)卷积层。
  •     3)池化层。
  •     4)全连接和Softmax层。
  •   3.2 LSTM-CNNS的情感分类框架
  • 4 实验与分析
  •   4.1 数据集
  •   4.2 实验参数设置
  •   4.3 实验结果与分析
  • 5 结束语

    • 文章来源

    类型: 期刊论文

    作者: 段宇翔,张仰森,张益兴,段瑞雪

    关键词: 情感分类,长短期记忆网络,注意力机制,卷积神经网络

    来源: 北京信息科技大学学报(自然科学版) 2019年06期

    年度: 2019

    分类: 工程科技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: 北京信息科技大学智能信息处理研究所,国家经济安全预警工程北京实验室

    基金: 国家自然科学基金资助项目(61772081),北京信息科技大学校科研基金(1825023),科技创新服务能力建设-科研基地建设-北京实验室-国家经济安全预警工程北京实验室项目(PXM2018_014224_000010)

    分类号: TP391.1;TP183

    DOI: 10.16508/j.cnki.11-5866/n.2019.06.001

    页码: 1-7

    总页数: 7

    文件大小: 265K

    下载量: 359

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/d2affb23559852f2e13ec84f.html