文献类型：期刊文章

作　　者：赵宏[1] 王乐[1] 王伟杰[1]

ZHAO Hong;WANG Le;WANG Weijie(School of Computer and Communication,Lanzhou University of Technology,Lanzhou Gansu 730050,China)

机构地区：[1]兰州理工大学计算机与通信学院

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(51668043);赛尔网络下一代互联网技术创新项目(NG1120160311,NG1120160112~~

年　　份：2020

卷　　号：40

期　　号：1

起止页码：16-22

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对现有文本情感分析方法准确率不高、实时性不强以及特征提取不充分的问题,构建了双向长短时记忆神经网络和卷积神经网络(BiLSTM-CNN)的串行混合模型。首先,利用双向循环长短时记忆(BiLSTM)神经网络提取文本的上下文信息;然后,对已提取的上下文特征利用卷积神经网络(CNN)进行局部语义特征提取;最后,使用Softmax得出文本的情感倾向。通过与CNN、长短时记忆神经网络(LSTM)、BiLSTM等单一模型对比,所提出的文本情感分析模型在综合评价指标F1上分别提高了2.02个百分点、1.18个百分点和0.85个百分点;与长短时记忆神经网络和卷积神经网络(LSTM-CNN)、BiLSTM-CNN并行特征融合等混合模型对比,所提出的文本情感分析模型在综合评价指标F1上分别提高了1.86个百分点和0.76个百分点。实验结果表明,基于BiLSTM-CNN的串行混合模型在实际应用中具有较大的价值。

关 键 词：文本情感分析 上下文信息 语义特征 长短时记忆神经网络  卷积神经网络  

分 类 号：TP389.1]