版权说明 操作指南
首页 > 成果 > 详情

基于情感词典和堆叠残差的双向长短期记忆网络的情感分析

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
罗浩然;杨青
作者机构:
华中师范大学伍伦贡联合研究院,武汉430079
[杨青] 华中师范大学计算机学院,武汉430079
[杨青] 国家语言资源监测与研究网络媒体中心,武汉430077
[罗浩然] 华中师范大学
语种:
中文
关键词:
双向长短期记忆网络;购物评论;情感分析;堆叠残差;情感词典
关键词(英文):
Bidirectional Long Short-Term Memory(Bi-LSTM)network;shopping review;sentiment analysis;stacked residual;sentiment lexicon
期刊:
计算机应用
ISSN:
1001-9081
年:
2022
卷:
42
期:
4
页码:
1099-1107
机构署名:
本校为第一机构
院系归属:
计算机学院
伍伦贡联合研究院
摘要:
情感分析作为自然语言处理(NLP)的细分研究方向经历了使用情感词典、机器学习和深度学习分析的发展过程。针对使用一般化的深度学习模型作为文本分类器对于特定领域的网络评论类型的文本的分析的精准度较低,训练时发生过拟合现象以及情感词典覆盖率低、编纂工作量大的问题,提出了基于情感词典和堆叠残差的双向长短期记忆(Bi-LSTM)网络的情感分析模型。首先,借助情感词典中情感词的设计覆盖“教育机器人”研究领域内的专业词汇,从而弥补Bi-LSTM模型在分析此类文本时精准度的不足;然后,使用Bi-LSTM和SnowNLP来降低情感词典的编纂体量。长短期记忆(LSTM)网络的“记忆门”“遗忘门”结构...
摘要(英文):
Sentiment analysis,as a subdivision of Natural Language Processing(NLP),has experienced the development of using sentiment lexicon,machine learning and deep learning to analyze.According to the problem of low accuracy,over fitting phenomenon in training process and low coverage,large workload when compiling the sentiment lexicon when using the generalized deep learning model as a text classifier to analysis of Web text reviews in a specific field,a sentiment analysis model based on sentiment lexicon and stacked residual Bidirectional Long Short...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com