节点文献

基于LSTM-CNNS情感增强模型的微博情感分类方法

免费订阅

【作者】 段宇翔张仰森张益兴段瑞雪

【Author】 DUAN Yuxiang;ZHANG Yangsen;ZHANG Yixing;DUAN Ruixue;Institute of Intelligent Information Processing,Beijing Information Science & Technology University;Beijing Laboratory of National Economic Security Early-warning Engineering;

【通讯作者】 张仰森;

【机构】 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

【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。

【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)
  • 【DOI】10.16508/j.cnki.11-5866/n.2019.06.001
  • 【分类号】TP391.1;TP183
  • 【下载频次】64
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: