基于双向LSTM模型的文本情感分类

摘要：

为解决文本情感分类研究中传统循环神经网络模型存在梯度消失和爆炸问题,提出一种基于双向长短时记忆循环神经网络模型(Bi-LSTM).通过双向传播机制获取文本中完整的上下文信息,采用CBOW模型训练词向量,减小词向量间的稀疏度,结合栈式自编码深度神经网络作为分类器.实验结果表明,Bi-LSTM模型比传统循环神经网络LSTM模型分类效果更好,对比实验中Bi-LSTM2能达到更优的召回率和准确率.

关键词：双向长短时记忆循环神经网络、词向量、长短时记忆网络、循环神经网络、文本情感倾向性分析

所属期刊栏目：39

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家重大科技专项基金项目2014ZX01032401-001

在线出版日期：2018-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2064-2068