一种基于cnn与双向lstm融合的文本情感分类方法

计算机时代 2019 年 第 12 期
· 39 ·
数据 进 行 高 阶 抽 象 ，并 最 终 完 成 数 据 特 征 识 别 的 一 种算法［1］。神经网络是深度学习中重要的模型之一 ， 经 过 多 年 的 发 展 ，产 生 了 多 个 变 种 ，每 种 神 经 网 络 都 有 自 己 的 优 势 。 卷 积 神 经 网 络（CNN）利 用 卷 积 核 进 行 移 动 计 算 ，可 以 较 好 的 提 取 局 部 特 征 [2-4] ，但 利用 CNN 进行文本识别，不能解决长文本的上下文 依赖。
深度学习的核心是利用多重非线性变换结构对
收稿日期：2019-07-05 项目支持：本论文得到“广西高校中青年教师基础能力提升项目”（项目编号：2018KY0854）和广西民办高校重点支持建设专业项目的支持 作者简介：张翠（1985-），女，湖南衡阳人，硕士，桂林理工大学博文管理学院，讲师，主要研究方向：网络控制，自然语言处理。
人工分析来完成所有的文本情感分类。机器学习方 法能自动完成文本的情感分析，为文本的情感分类提 供了便利。
近年来，深度学习取得了较大的进展。深度学习 首先是在图像处理及音频识别领域中取得了成功，一 些学者将此方法推广应用到文本处理上，经过多年的 应用实践，证明深度学习方法用在文本处理上是可行 的。与传统的文本分类算法相比，深度学习算法能自 动提取特征，加快处理速度，显著提高分类效果。
0 引言
随着互联网的高速发展，自媒体时代已经到来， 人们可以随时随地发表观点和评论，互联网中的文本 呈爆炸式增长。如何在网络文本中挖掘有价值的信 息，这是当前一个重要的课题。网络文本具有一定语 义，同时带有情感倾向，对于如何评价一类文本，人们 更关心的是这条信息属于正面还是负面，也就是情感 极性，而不是具体的评论细节，只要了解评论的极性 就实现了文本的价值，进而可以通过大量的评价数据 做出正确的决策。由于网络文本较多，我们很难通过
文章编号：1006-8228(2019)12-38-04
A text emotion classification method based on CNN and bidirectional LSTM fusion
Zhang Cui1，Zhou Maojie2
(1. BowenCollege of Management, Guilin University of Technology, Guilin, Guangxi 541006, China; 2. Guilin University of Technology)
度开源平台 PaddlePaddle 上进行实验。实验结果显示，该算法与传统 CNN 和 LSTM 模型算法相比，识别的准确率分别提
高了 2.65 和 1.87 个百分点，说明该模型算法在文本情感分类的性能上有所提高。
关键词：卷积神经网络；双向长短记忆网络；融合；情感分类
中图分类号：TP311
文献标志码：A
Abstract：Nowadays, deep learning is widely used in text emotion classification. CNN (convolutional neural networks) can extract local features well, but it lacks the understanding of context. LSTM (long and short memory networks) can effectively memorize long-distance information and have a strong global character. In order to achieve the effective integration of global and local features, this paper studies a deep learning method with the fusion of the two, and constructs a deep learning network model. Using the text obtained from the Internet as training corpus and testing corpus, experimentsm PaddlePaddle. The experiment results show that compared with the traditional CNN and LSTM models, the recognition accuracy of the proposed algorithm is improved by 2.65 and 1.87 percentage points respectively, which shows that the performance of this model in text emotion classification is improved. Key words：convolutional neural networks；bidirectional long-short memory networks；fusion；emotion classification
· 38 ·
Computer Era No. 12 2019
DOI:10.16644/33-1094/tp.2019.12.011
一种基于 CNN 与双向 LSTM 融合的文本情感分类方法*
ห้องสมุดไป่ตู้
张 翠 1，周茂杰 2
(1. 桂林理工大学博文管理学院，广西 桂林 541006；2. 桂林理工大学)
摘 要：现在文本情感分类普遍采用深度学习的方法。卷积神经网络可以较好地提取局部特征，但是缺少对上下文的
理解。长短记忆网络可以有效记忆较长距离的信息，有较强的全局性。为实现全局特征与局部特征的有效融合，研究了
一种融合两种特征的深度学习方法，构建深度学习网络模型。利用互联网中获取的文本作为训练语料及测试语料，在百