日誌
Sentiment Analysis of Comment Texts Based on bidirectional LSTM
|
分析情感的本质是分類文本任务，
不同的词对分类的贡献不同，
在当前的分析情感研究中，主要使用分布式词表示，
然而，分布式词表示只考虑词的语义信息，而忽略了词的情感信息，
在本文中，提出改进的词表示方法，
也就是将情感信息的贡献融入至传统的 tfidf 中，
生成加权词向量，
把加权词向量输入至双向长短期记忆 bidirectional LSTM 中，
以利於有效地捕捉上下文信息，
以方便更好地表示评论向量，
再通过前馈神经网络分类器获得评论的情感倾向，
在相同条件下，将本文方法与 RNN 、 CNN 、 LSTM、Naive Bayes 的分析情感方法进行比较
全部作者的其他最新日誌
- • the factor
- • peripheral
- • 智慧裝置的極速發展與增加
- • precedent
- • deep concavavity region
- • 照片解譯
