Print

一种用于情感分析的LSTM-CNN深度网络模型

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

  • 1 基于LSTM-CNN模型的情感分析模型
  •   1.1 基于LSTM的短文本情感分类
  •     （1）词嵌入层（输入层）:
  •     （2）LSTM层:
  •   1.2 基于CNN的特征提取
  •     （1）输入层:
  •     （2）卷积层:
  •     （3）池化层:
  •     （4）输出层:
  •   1.3 算法流程
  • 2 实验分析
  •   2.1 数据集
  •   2.2 实验介绍
  •     2.2.1词向量模型的具体实现
  •     2.2.2 LSTM-CNN情感分析模型实验
  •   2.3实验结果与分析
  • 3 结语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/e2ef4ed1407cacbca8aef776.html