基于ConvLSTM模型的短文本情感分类研究

摘要：

CNN在处理短文本情感分类时,使用卷积层抽取局部特征,用最大池化层选取局部特征最大值,易忽略其长期序列特性.该文使用一种新的深度学习模型ConvLSTM,利用长LSTM替代CNN中的最大池化层,以减少局部信息的丢失并捕获句子序列中的长期依赖关系.在IMDB影评数据集和Amazon评论数据集上的实验表明,该模型较CNN和单纯的LSTM在准确率、召回率和F值等方面均有较明显的提高.

关键词：短文本、情感分类、CNN、LSTM、ConvLSTM模型、深度学习模型

所属期刊栏目：42

分类号：TN911-34;TP301.6

资助基金：国家自然科学基金民航联合基金项目U1633110;中央高校基本科研业务费专项基金资助项目3122016D021

在线出版日期：2019-12-04（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：159-163