基于情感词向量和BLSTM的评论文本情感倾向分析OA北大核心CSCDCSTPCD
Sentiment orientation analysis of review text based on sentiment word embedding and BLSTM
传统的机器学习方法主要是浅层的学习算法,并不能很好地抽取文本中高层情感信息.针对该问题,提出了一种以组合了语义信息和情感信息的情感词向量作为输入的改进双向长短期记忆模型,通过构建语义和情感双输入矩阵,并在隐藏层加入情感特征抽取模块来增强模型的情感特征表达能力.在数据集上的实验结果表明,与标准的BLSTM模型和传统机器学习模型相比,该模型能够有效提升文本情感倾向分析的效果.
Deng Nan;Yu Bengong
信息技术与安全科学
长短期记忆模型情感倾向分析自然语言处理词向量
《计算机应用研究》 2018 (12)
基于制造大数据的产品研发知识集成与服务机制研究
3547-3550,4
国家自然科学基金资助项目(71671057)
评论