文献类型：期刊文章

作　　者：梁军[1] 柴玉梅[1] 原慧斌[2] 高明磊[1] 昝红英[1]

机构地区：[1]郑州大学信息工程学院,河南郑州450001 [2]中国核科技信息与经济研究院,北京100048

出　　处：《中文信息学报》

基　　金：国家社会科学基金(14BYY096);国家自然科学基金(61402419;61272221);国家高技术研究发展863计划(2012AA011101);计算语言学教育部重点实验室(北京大学)开放课题(201401);国家重点基础研究发展计划973课题(2014CB340504);河南省高等学校重点科研项目(15A520098)

年　　份：2015

卷　　号：29

期　　号：5

起止页码：152-159

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、JST、RCCSE、ZGKJHX、核心刊

摘　　要：长短时记忆(long short term memory,LSTM)是一种有效的链式循环神经网络(recurrent neural network,R2 NN1),被广泛用于语言模型、机器翻译、语音识别等领域。但由于该网络结构是一种链式结构,不能有效表征语言的结构层次信息,该文将LSTM扩展到基于树结构的递归神经网络(Recursive Neural Network,RNN)上,用于捕获文本更深层次的语义语法信息,并根据句子前后词语间的关联性引入情感极性转移模型。实验证明本文提出的模型优于LSTM、递归神经网络等。

关 键 词：LSTM  递归神经网络 情感分析

分 类 号：TP391]