基于双向LSTM模型的文本情感分类
发布时间:2023-05-07 20:44:04 来源:文档文库
小
中
大
字号:
2018年7月 第 39 卷第
7 期 计算机工程与设计
COMPUTERENGINEERINGANDDESIGN
July 2018Vol. 39 No.
7基于双向LSTM模型的文本情感分类任勉,甘刚+(成都信息工程大学网络空间安全学院,四川成都610225摘要"为解决文本情感分类研究中传统循环神经网络模型存在梯度消失和爆炸问题,提出一种基于双向长短时记忆循环 神经网络模型(Bi-LSTM。通过双向传播机制获取文本中完整的上下文信息,采用CBOW模型训练词向量,减小词向量 间的稀疏度,结合栈式自编码深度神经网络作为分类器。实验结果表明,Bi-LSTM模型比传统循环神经网络LSTM模型分 类效果更好,对比实验中Bi-LSTM2能达到更优的召回率和准确率。关键词:双向长短时记忆循环神经网络&词向量;长短时记忆网络&循环神经网络;文本情感倾向性分析 中图法分类号! TP391.1 文献标识号:A 文章编号:1000-7024 (2018
07-2064-05 doi: 10. 16208'. issnl000-7024. 2018. 07. 044Sentiment analysis of text based on bi-directional long short-term memory modelREN Mian, GAN Gang+(College of Cybersecurity, Chengdu University of Information Technology, Chengdu 610225, ChinaAbstract: To solve the sentiment analysis, a
problems of gradient neural
network model
disappearance based
and
explosion in