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

一种基于CNN与双向LSTM融合的文本情感分类方法

张翠; 周茂杰桂林理工大学
计算机时代2019DOI: 10.16644/j.cnki.cn33-1094/tp.2019.12.011
7阅读
引用收藏
分享

摘要

现在文本情感分类普遍采用深度学习的方法。卷积神经网络可以较好地提取局部特征,但是缺少对上下文的理解。长短记忆网络可以有效记忆较长距离的信息,有较强的全局性。为实现全局特征与局部特征的有效融合,研究了一种融合两种特征的深度学习方法,构建深度学习网络模型。利用互联网中获取的文本作为训练语料及测试语料,在百度开源平台PaddlePaddle上进行实验。实验结果显示,该算法与传统CNN和LSTM模型算法相比,识别的准确率分别提高了2.65和1.87个百分点,说明该模型算法在文本情感分类的性能上有所提高。

学科与关键词

关键词
卷积神经网络双向长短记忆网络融合情感分类 convolutional neural networksbidirectional long-short memory networksfusionemotion classification
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
计算机时代
发表日期
2019
卷期
第 12 期
页码
38-41
DOI
10.16644/j.cnki.cn33-1094/tp.2019.12.011
语言
中文
成果收录
CHINAJOURNAL
资助标注
"广西高校中青年教师基础能力提升项目"(项目编号:2018KY0854);广西民办高校重点支持建设专业项目的支持;

作者

  • 张

    张翠 (第一作者)

  • 周

    周茂杰

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