基于TextRNN与TextCNN的情感分类对比研究

摘要：

在进行文本情感分类任务时,针对任务和数据特点选取合适的深度学习主体算法十分关键.为解决此问题,探讨TextRNN与TextCNN这两种情感分类算法的适用场景,对比其优势和不同,为主层算法选择提供参考.同时对TextRNN的单向和双向选择问题,TextCNN卷积核类型的选择问题进行讨论,并在IMDB数据集上进行实验比较.结果表明,TextRNN采用双向特征提取时分类准确率更高,TextCNN选取多尺度卷积核组合来提取特征会有更好的表现效果.与此同时TextCNN比TextRNN拥有更高的准确率和更强的鲁棒性.与常用的三种机器学习算法LR、SVM、NB相比较,这两种深度学习算法的分类结果比机器学习算法的最好结果高出10％左右.

关键词：TextRNN、TextCNN、情感分类

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：69-72