文献类型：期刊文章

作　　者：季陈[1] 叶慧雯[1] 王子民[1] 张秀文[1] 赵子涵[1] 杨玉东[1,2]

Ji Chen;Ye Huiwen;Wang Zimin;Zhang Xiuwen;Zhao Zihan;Yang Yudong(School of Computer Science and Technology,Nanjing Tech University,Nanjing 211816,China;Faculty of Electronic Information Engineering,Huaiyin Institute of Technology,Huaian 223003,China)

机构地区：[1]南京工业大学计算机科学与技术学院,江苏南京211816 [2]淮阴工学院电子信息工程学院,江苏淮安223003

出　　处：《南京理工大学学报》

基　　金：2021年江苏省研究生科研与实践创新计划项目(SJCX21_0475)。

年　　份：2022

卷　　号：46

期　　号：2

起止页码：205-210

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：社交文本的情感分析主要存在结构不规则、特征稀疏和分类效果不理想等问题。针对这些问题,提出了一种双向长短期记忆网络(Bi-directional long short-term memory,BiLSTM)和胶囊网络(Capsule network,CapsNet)混合模型(BiLSTM-CapsNet)。该模型先使用胶囊网络提取单个特征词在整个句子中的位置语义信息,再使用双向长短期记忆网络提取社交文本的上下文词语之间的关系,最后通过softmax分类器,进行情感倾向的分类。试验结果表明,该模型在粗粒度和细粒度情感分类中都有优势。

关 键 词：文本情感分析 双向长短期记忆网络  胶囊网络  特征提取 混合模型

分 类 号：TP391.1]