10.16652/j.issn.1004-373x.2020.01.020
基于改进深度学习算法的文本极性智能判断方法研究
为了解决传统的文本极性智能判断方法判断结果准确率和召回率普遍较低的问题,基于改进深度学习算法研究一种新的文本极性智能判断方法.在CNN结构基础上设计一种新的深度学习算法模型,模型由输入层、输出层、采集层、连接层、卷积层五部分构成.使用该模型对文本进行智能判断,判断过程共有五步,分别是文本预处理、情感词提取、表情符号提取、感情倾向值计算和情感最终倾向值分析.为检测所提方法的有效性以及优越性,与传统判断方法进行实验对比,结果表明,基于改进深度学习算法的文本极性智能判断方法判断的准确率和召回率更高,发展空间更广阔.
文本极性、智能判断方法、算法模型设计、有效性检测、深度学习算法、文本预处理
43
TN911.1-34;TP393
国家自然科学基金面上项目:网络零售交易风险动态评估及预警研究71571021
2020-03-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
76-79,85