CNN結(jié)合BLSTM的短文本情感傾向性分析
關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò) 雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò) 注意力機(jī)制 文本情感分析 深度學(xué)習(xí)
摘要：情感分析在業(yè)界被廣泛應(yīng)用于產(chǎn)品分析、商品推薦等方面,具有很高的商業(yè)價(jià)值。目前常用的研究方法主要基于機(jī)器學(xué)習(xí)算法和基于詞典的方法,該類方法通常需依賴復(fù)雜的人工規(guī)則和特征工程。針對(duì)傳統(tǒng)情感分類方法需要人工干預(yù)的問題,總結(jié)目前已有可用于情感分析的深度學(xué)習(xí)方法,提出將卷積神經(jīng)網(wǎng)絡(luò)(CNN)和雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(BLSTM)進(jìn)行組合,并將融合后的特征添加至注意力機(jī)制,設(shè)計(jì)出CBLSTM-Attention模型。實(shí)驗(yàn)表明,該模型在中文數(shù)據(jù)集上準(zhǔn)確率達(dá)0.9650,在NLPCC英文數(shù)據(jù)集上準(zhǔn)確率達(dá)0.9422,證明該方法不僅可提高文本情感傾向性分析的準(zhǔn)確率,而且可有效解決人工干預(yù)問題。
軟件導(dǎo)刊雜志要求:
{1}作者簡(jiǎn)介：文尾附注第一作者簡(jiǎn)介，含姓名（出生年月）、性別、民族、籍貫、學(xué)歷學(xué)位、單位、職務(wù)、職稱、研究方向等，并注明準(zhǔn)確通訊地址、郵政編碼、電話號(hào)碼、E-mail地址。
{2}本刊只接受word版電子文本。文稿須包括題目、提要、關(guān)鍵詞、正文及作者簡(jiǎn)介。
{3}題目中除公知公用的縮略語(yǔ)外，盡量不用外文縮略語(yǔ)。
{4}參考文獻(xiàn)列出的一般應(yīng)限于作者直接閱讀過(guò)的、最主要的、發(fā)表在正式出版物上的文獻(xiàn)。
{5}關(guān)鍵詞應(yīng)有3～5個(gè)。詞與詞之間用分號(hào)分隔。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
