ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

基于word2vec和双向LSTM的情感分类深度模型

黄贤英; 刘广峰; 刘小洋; 阳安志重庆理工大学
计算机应用研究2019DOI: 10.19734/j.issn.1001-3695.2018.08.0599
12阅读
引用收藏
分享

摘要

针对社交网络文本传统情感分类模型存在先验知识依赖以及语义理解不足的问题,提出一种基于word2vec和双向长短时记忆循环神经网络的情感分类模型——WEEF-BILSTM。采用基于CBOW (continuous bag-of-words)方式的word2vec模型针对语料训练词向量,减小词向量间的稀疏度,通过双向LSTM神经网络获取更为完整的文本上下文信息从而提取出深度词向量特征,继而使用one-versus-one SVM对其进行情感分类。实验结果表明,提出的WEEF-BILSTM模型较其他模型分类效果更好,能达到更优的准确率和F值。

学科与关键词

关键词
文本分类情感分析双向长短时记忆循环神经网络词向量社交网络 text classificationsentiment analysisBi-LSTMword embeddingsocial network
相关
加载中…

文献加载失败,请重试

重试

发表信息

论文状态
公开发表
期刊
计算机应用研究
发表日期
2019
卷期
第 12 期
页码
3583-3587+3596
DOI
10.19734/j.issn.1001-3695.2018.08.0599
成果收录
CHINAJOURNAL
资助标注
重庆理工大学研究生创新项目(ycx2018245);重庆市教育委员会人文社会科学研究项目(17SKG144);国家教育部人文社科青年基金资助项目(16YJC860010);国家社科基金资助项目(17XXW004);2018年重庆市科委技术创新与应用示范项目(cstc2018jscx-msybX0049);

作者

  • 黄

    黄贤英 (第一作者)

  • 刘

    刘广峰

查看全部 4 位作者收起作者
  • 刘

    刘小洋

  • 阳

    阳安志

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417