基于L-STM模型的中文情感分类

基于L-STM模型的中文情感分类
王景中;庞丹丹
【期刊名称】《计算机工程与设计》
【年(卷),期】2018(039)011
【摘要】现有情感分类方法将词作为文本特征,把高阶数据展开为向量形式,同时映射到高维向量空间进行训练,但数据原有高阶结构必然受到影响,甚至造成文本数据特征维数过高,最终引起过拟合现象.面对这种情况,利用张量空间模型令文本数据张量化,基于STM模型配合LSTM神经网络实现L-STM算法模型,将向量序列作为LSTM网络输入,由此实现更高级优化,可有效降低参数最优解计算期间迭代次数.经实验分析不难发现,基于张量空间的L-STM模型可消除文本数据过拟合问题,加快训练速度,全面保证情感文本分类准确率.
【总页数】6页(P3438-3443)
【作者】王景中;庞丹丹
【作者单位】北方工业大学计算机学院,北京100144;北方工业大学计算机学院,北京100144
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于cw2vec与CNN-BiLSTM注意力模型的中文微博情感分类 [J], 卢昱波;刘德润;蔡奕超;杨庆雨;陈伟;刘太安
2.基于cw2vec与CNN-BiLSTM注意力模型的中文微博情感分类 [J], 卢昱波;刘德润;蔡奕超;杨庆雨;陈伟;刘太安
3.基于EBAP模型的中文情感分类 [J], 朱海东;郑虹;侯秀萍
4.基于时序和上下文特征的中文隐式情感分类模型 [J], 袁景凌;丁远远;潘东行;李琳
5.弹幕文本情感分类模型研究--基于中文预训练模型与双向长短期记忆网络 [J], 陈志刚;岳倩;赵威
因版权原因，仅展示原文概要，查看原文内容请购买。