-
题名用于情感分类的双向深度LSTM
被引量：16
- 1
-
-
作者
曾蒸
李莉
陈晶
-
机构
重庆师范大学新闻与传媒学院
西南大学计算机与信息科学学院
中冶赛迪工程技术股份有限公司bim中心
-
出处
《计算机科学》
CSCD
北大核心
2018年第8期213-217,252,共6页
-
基金
国家自然科学基金项目(61170192)
重庆市科委重点项目(cstc2017zdcy-zdyf0366)
重庆市教委项目(113143)资助
-
文摘
对商品、电影等的评论的体现人们对商品的喜好程度,从而为意向购买该商品的人提供参考,也有助于商家调整橱窗货品以取得最大利润。近年来,深度学习在文本上强大的表示和学习能力为理解文本语义、抓取文本所蕴含的情感倾向提供了极好的支持,特别是深度学习中的长短记忆模型(Long Short-Term Memory,LSTM)。评论是一种时序数据形式,通过单词前向排列来表达语义信息。而LSTM恰好是时序模型,可以前向读取评论,并把它编码到一个实数向量中,该向量隐含了评论的潜在语义,可以被计算机存储和处理。利用两个LSTM模型分别从前、后两个方向读取评论,从而获取评论的双向语义信息;再通过层叠多层双向LSTM来达到获取评论深层特征的目的;最后把这个模型放到一个情感分类模型中,以实现情感分类任务。实验证明,该模型相对基准LSTM取得了更好的实验效果,这表示双向深度LSTM能抓取更准确的文本信息。将双向深度LSTM模型和卷积神经网络(Convolutional Neural Network,CNN)进行实验对比,结果表明双向深度LSTM模型同样取得了更好的效果。
-
关键词
LSTM
深度学习
情感分类
-
Keywords
LSTM
Deep learning
Sentiment classification
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
