文献类型：期刊文章

作　　者：任勉[1] 甘刚[1]

REN Mian,GAN Gang(College of Cybersecurity,Chengdu University of Information Technology,Chengdu 610225,Chin)

机构地区：[1]成都信息工程大学网络空间安全学院,四川成都610225

出　　处：《计算机工程与设计》

基　　金：国家重大科技专项基金项目(2014ZX01032401-001)

年　　份：2018

卷　　号：39

期　　号：7

起止页码：2064-2068

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

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  

分 类 号：TP391.1]