文献类型：期刊文章

作　　者：伍行素[1] 陈锦回[1]

WU Xingsu;CHEN Jinhui(School of Mathematics & Computer Science Shangrao Normal University Shangrao Jiangxi 334001,China)

机构地区：[1]上饶师范学院数学与计算机科学学院,江西上饶334001

出　　处：《上饶师范学院学报》

年　　份：2018

卷　　号：38

期　　号：6

起止页码：10-14

语　　种：中文

收录情况：NSSD、RWSKHX、普通刊

摘　　要：传统的RNN(Recurrent Neural Network,循环神经网络)模型可以充分地利用上下文信息构建语言模型,在情感分析领域取得了较好的效果,但该方法存在梯度消失与梯度爆炸问题。本研究在RNN循环神经网络的基础上,建立LSTM(Long Short-Term Memory,长短记忆网络)深度神经网络模型,对文本情感进行分析,通过在公开数据集UMICH SI650上的相关实验,结果表明,LSTM网络模型比RNN网络模型情感分析分类预测准确率更高,且训练速度更快。

关 键 词：情感分析 RNN LSTM  深度学习  

分 类 号：TP391]