期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于注意力机制的多通道CNN和BiGRU的文本情感倾向性分析
被引量：
46
1
作者
程艳
尧磊波
+5 位作者
张光河
唐天伟
项国雄
陈豪迈
冯悦
蔡壮
《计算机研究与发展》
EI
CSCD
北大核心
2020年第12期2583-2595,共13页
近年来,卷积神经网络(convolutional neural network,CNN)和循环神经网络(recurrent neural network,RNN)已在文本情感分析领域得到广泛应用,并取得了不错的效果.然而,文本之间存在上下文依赖问题,虽然CNN能提取到句子连续词间的局部信...
近年来,卷积神经网络(convolutional neural network,CNN)和循环神经网络(recurrent neural network,RNN)已在文本情感分析领域得到广泛应用,并取得了不错的效果.然而,文本之间存在上下文依赖问题,虽然CNN能提取到句子连续词间的局部信息,但是会忽略词语之间上下文语义信息;双向门控循环单元(bidirectional gated recurrent unit,BiGRU)网络不仅能够解决传统RNN模型存在的梯度消失或梯度爆炸问题,而且还能很好地弥补CNN不能有效提取长文本的上下文语义信息的缺陷,但却无法像CNN那样很好地提取句子局部特征.因此提出一种基于注意力机制的多通道CNN和双向门控循环单元(MC-AttCNN-AttBiGRU)的神经网络模型.该模型不仅能够通过注意力机制关注到句子中对情感极性分类重要的词语,而且结合了CNN提取文本局部特征和BiGRU网络提取长文本上下文语义信息的优势,提高了模型的文本特征提取能力.在谭松波酒店评论数据集和IMDB数据集上的实验结果表明:提出的模型相较于其他几种基线模型可以提取到更丰富的文本特征,可以取得比其他基线模型更好的分类效果.
展开更多
关键词
卷积神经网络
文本情感倾向性分析
双向门控循环单元
注意力机制
多通道
在线阅读
下载PDF
职称材料
基于双向LSTM模型的文本情感分类
被引量：
33
2
作者
任勉
甘刚
《计算机工程与设计》
北大核心
2018年第7期2064-2068,共5页
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...
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。
展开更多
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
在线阅读
下载PDF
职称材料
题名
基于注意力机制的多通道CNN和BiGRU的文本情感倾向性分析
被引量：
46
1
作者
程艳
尧磊波
张光河
唐天伟
项国雄
陈豪迈
冯悦
蔡壮
机构
江西师范大学计算机信息工程学院
江西师范大学管理决策评价研究中心
江西师范大学新闻与传播学院
豫章师范学院数学与计算机学院
出处
《计算机研究与发展》
EI
CSCD
北大核心
2020年第12期2583-2595,共13页
基金
国家自然科学基金项目(61967011)
江西省自然科学基金项目(20202BABL202033)
+2 种基金
江西省重点研发计划项目(20161BBE50086)
江西省教育厅科技重点项目(GJJ150299)
教育厅人文社科重点(重大)项目(JD19056)。
文摘
近年来,卷积神经网络(convolutional neural network,CNN)和循环神经网络(recurrent neural network,RNN)已在文本情感分析领域得到广泛应用,并取得了不错的效果.然而,文本之间存在上下文依赖问题,虽然CNN能提取到句子连续词间的局部信息,但是会忽略词语之间上下文语义信息;双向门控循环单元(bidirectional gated recurrent unit,BiGRU)网络不仅能够解决传统RNN模型存在的梯度消失或梯度爆炸问题,而且还能很好地弥补CNN不能有效提取长文本的上下文语义信息的缺陷,但却无法像CNN那样很好地提取句子局部特征.因此提出一种基于注意力机制的多通道CNN和双向门控循环单元(MC-AttCNN-AttBiGRU)的神经网络模型.该模型不仅能够通过注意力机制关注到句子中对情感极性分类重要的词语,而且结合了CNN提取文本局部特征和BiGRU网络提取长文本上下文语义信息的优势,提高了模型的文本特征提取能力.在谭松波酒店评论数据集和IMDB数据集上的实验结果表明:提出的模型相较于其他几种基线模型可以提取到更丰富的文本特征,可以取得比其他基线模型更好的分类效果.
关键词
卷积神经网络
文本情感倾向性分析
双向门控循环单元
注意力机制
多通道
Keywords
CNN(convolutional neural network)
text sentiment orientation analysis
BiGRU(bidirectional gated recurrent unit)
attention mechanism
multi-channels
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于双向LSTM模型的文本情感分类
被引量：
33
2
作者
任勉
甘刚
机构
成都信息工程大学网络空间安全学院
出处
《计算机工程与设计》
北大核心
2018年第7期2064-2068,共5页
基金
国家重大科技专项基金项目(2014ZX01032401-001)
文摘
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
Keywords
Bi-LSTM
word vector
long short-term memory
recurrent neural networks
sentiment analysis of text
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于注意力机制的多通道CNN和BiGRU的文本情感倾向性分析
程艳
尧磊波
张光河
唐天伟
项国雄
陈豪迈
冯悦
蔡壮
《计算机研究与发展》
EI
CSCD
北大核心
2020
46
在线阅读
下载PDF
职称材料
2
基于双向LSTM模型的文本情感分类
任勉
甘刚
《计算机工程与设计》
北大核心
2018
33
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
