基于word2vec和双向LSTM的情感分类深度模型.PDFVIP

36 12 Vol. 36 No. 12 第 卷第 期 计算机应用研究 录用定稿 Application Research of Computers Accepted Paper 基于word2vec 和双向LSTM 的情感分类深度模型* 1 1† 1, 2 1 黄贤英 ，刘广峰 ，刘小洋 ，阳安志 (1. , 400054; 2. College of Engineering, The University of Alabama, 重庆理工大学 计算机科学与工程学院 重庆 Tuscaloosa, AL 35401, USA) 摘 要：针对社交网络文本传统情感分类模型存在先验知识依赖以及语义理解不足问题，提出一种基于 word2vec 和双向长短时记忆循环神经网络的情感分类模型WEEF-BILSTM 。采用基于CBOW 方式的word2vec 模型针对语料 训练词向量，减小词向量间的稀疏度，通过双向LSTM 神经网络获取更为完整的文本上下文信息从而提取出深度词 向量特征，继而使用one-versus-one SVM 对其进行情感分类。实验结果表明：提出的WEEF-BILSTM 模型较其他模 F 型分类效果更好，能达到更优的准确率和 值。 关键词：文本分类；情感分析；双向长短时记忆循环神经网络；词向量；社交网络 中图分类号：TP391 doi: 10.19734/j.issn.1001-3695.2018.08.0599 Sentiment classification depth model based on word2vec and bi-directional long short-term memory 1 1† 1, 2 1 Huang Xianying , Liu Guangfeng , Liu Xiaoyang , Yang Anzhi (1. College of Computer Science Engineering , Chongqing University of Technology, Chongqing 400054, China; 2. College of Engineering , The University of A labama, Tuscaloosa AL 35401, USA) Abstract: Aiming at the problem of prior knowledge and lack of semantic understanding in the traditional sentiment classification model of social network text, this paper proposed a sentiment classification model WEEF-BILSTM based on word2vec and bi-directional long short-term memory recurrent neural network. It used the CBOW-based word2vec model fo