文献类型：期刊文章

作　　者：缪亚林[1] 姬怡纯[1] 张顺[1] 程文芳[1] 彭二楼[1]

MIAO Ya-lin;JI Yi-chun;ZHANG Shun;CHENG Wen-fang;PENG Er-lou(School of Printing,Packaging and Digital Media,Xi'an University of Technology,Xi'an 710048,China)

机构地区：[1]西安理工大学印刷包装与数字媒体学院,陕西西安710048

出　　处：《情报科学》

年　　份：2021

卷　　号：39

期　　号：4

起止页码：85-91

语　　种：中文

收录情况：BDHX、BDHX2020、CSSCI、CSSCI2021_2022、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：【目的/意义】改善传统情感分析方法工作量大,以及研究者采用深度学习方法多数仅致力于提高分析准确率,往往忽略网络训练速度的问题。【方法/过程】提出将卷积神经网络(CNN)与双向门控循环单元(GRU)相结合的文本情感分析模型(CNN-BiGRU),通过CNN和双向GRU对文本的局部静态特征以及序列特征进行提取,后接单向GRU层对其进行进一步降维,最后使用Sigmoid进行情感分类。【结果/结论】通过自建豆瓣影视评论数据集,将本模型与同复杂度的CNN-BLSTM模型相比,分类准确率和训练速率分别提高了2.52%、41.43%。【创新/局限】提出CNN-BiGRU网络应用于短文本情感分析,简化特征提取过程,引入上下文语义信息,减少参数提高效率。

关 键 词：情感分析 词向量  卷积神经网络  双向门控循环单元  上下文语义信息  

分 类 号：G254.9[图书情报与档案管理类]