收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于长短期记忆多维主题情感倾向性分析模型

滕飞  郑超美  李文  
【摘要】:针对中文微博全局性情感倾向分类的准确性不高的问题,提出基于长短期记忆模型的多维主题模型(MT-LSTM)。该模型是一个多层多维序列计算模型,由多维长短期记忆(LSTM)细胞网络组成,适用于处理向量、数组以及更高维度的数据。该模型首先将微博语句分为多个层次进行分析,纵向以三维长短期记忆模型(3D-LSTM)处理词语及义群的情感倾向,横向以多维长短期记忆模型(MD-LSTM)多次处理整条微博的情感倾向;然后根据主题标签的高斯分布判断情感倾向;最后将几次判断结果进行加权得到最终的分类结果。实验结果表明,该算法平均查准率达91%,最高可达96.5%;中性微博查全率高达50%以上。与递归神经网络(RNN)模型相比,该算法F-测量值提升40%以上;与无主题划分的方法相比,细致的主题划分可将F-测量值提升11.9%。所提算法具有较好的综合性能,能够有效提升中文微博情感倾向分析的准确性,同时减少训练数据量,降低匹配计算的复杂度。

知网文化
【相似文献】
中国硕士学位论文全文数据库 前1条
1 马珂;英汉汉英口译中短期记忆的实证研究[D];辽宁师范大学;2013年
中国重要报纸全文数据库 前2条
1 记者 淑霞 通讯员 一春;清华师生《细胞》发文阐述果蝇短期记忆遗忘机理[N];新清华;2010年
2 记者 赵凤华 通讯员 顾淑霞;清华博士《细胞》发文阐述果蝇短期记忆遗忘机理[N];科技日报;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978