-
题名基于长短期记忆多维主题情感倾向性分析模型
被引量：23
- 1
-
-
作者
滕飞
郑超美
李文
-
机构
南昌大学信息工程学院
-
出处
《计算机应用》
CSCD
北大核心
2016年第8期2252-2256,共5页
-
基金
江西省科技支撑计划项目(20112BBE50045)~~
-
文摘
针对中文微博全局性情感倾向分类的准确性不高的问题,提出基于长短期记忆模型的多维主题模型(MT-LSTM)。该模型是一个多层多维序列计算模型,由多维长短期记忆(LSTM)细胞网络组成,适用于处理向量、数组以及更高维度的数据。该模型首先将微博语句分为多个层次进行分析,纵向以三维长短期记忆模型(3D-LSTM)处理词语及义群的情感倾向,横向以多维长短期记忆模型(MD-LSTM)多次处理整条微博的情感倾向;然后根据主题标签的高斯分布判断情感倾向;最后将几次判断结果进行加权得到最终的分类结果。实验结果表明,该算法平均查准率达91%,最高可达96.5%;中性微博查全率高达50%以上。与递归神经网络(RNN)模型相比,该算法F-测量值提升40%以上;与无主题划分的方法相比,细致的主题划分可将F-测量值提升11.9%。所提算法具有较好的综合性能,能够有效提升中文微博情感倾向分析的准确性,同时减少训练数据量,降低匹配计算的复杂度。
-
关键词
中文微博
情感倾向分析
长短期记忆
多层多维模型
主题标签
-
Keywords
Chinese microblog
oriented sentiment analysis
Long Short-Term Memory （LSTM）
hierarchical muhidimensional model
topic sign
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
