计算机应用

作者：赵宏, 王乐, 王伟杰

单位：兰州理工大学 计算机与通信学院, 兰州 730050

关键词：文本情感分析,上下文信息,语义特征,长短时记忆神经网络,卷积神经网络

基金：国家自然科学基金资助项目（51668043）；赛尔网络下一代互联网技术创新项目（NG1120160311，NG1120160112）。

针对现有文本情感分析方法准确率不高、实时性不强以及特征提取不充分的问题，构建了双向长短时记忆神经网络和卷积神经网络（BiLSTM-CNN）的串行混合模型。首先，利用双向循环长短时记忆（BiLSTM）神经网络提取文本的上下文信息；然后，对已提取的上下文特征利用卷积神经网络（CNN）进行局部语义特征提取；最后，使用Softmax得出文本的情感倾向。通过与CNN、长短时记忆神经网络（LSTM）、BiLSTM等单一模型对比，所提出的文本情感分析模型在综合评价指标F1上分别提高了2.02个百分点、1.18个百分点和0.85个百分点；与长短时记忆神经网络和卷积神经网络（LSTM-CNN）、BiLSTM-CNN并行特征融合等混合模型对比，所提出的文本情感分析模型在综合评价指标F1上分别提高了1.86个百分点和0.76个百分点。实验结果表明，基于BiLSTM-CNN的串行混合模型在实际应用中具有较大的价值。

来源：2020年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第1期