作者：秦锋; 黄超; 郑啸; 邵光梅主题滑动窗口上下文长短期记忆模型情感分类
摘要：针对短文本简短的特性，为提高对其进行情感分类准确率，提出了T-CLSTM(Topic-basedContextCLSTM)模型。该模型通过LDA模型生成词主题向量，并构建滑动窗口词主题上下文和层次词主题上下文，实现短文本信息扩展。探讨词主题、词主题上下文的构成，以及滑动窗口尺寸对词主题上下文的影响；将词向量和词主题上下文向量作为输入特征量训练分类模型，进行情感分类。在COAE2014语料上进行实验，结果表明，本文提出的模型分类准确率可达92.3%，相比baseline算法SVM和LSTM分别提高2%和4%。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《安徽工业大学学报·自然科学版》（CN：34-1254/N）是一本有较高学术价值的大型季刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《安徽工业大学学报·自然科学版》系一份综合性学术期刊，主要报道钢铁冶金、材料科学、化学化工、环境工程与环境保护、机械工程、机电一体化、自动化工程、信息工程、计算机科学与应用等相关专业、学科的基础理论研究和应用技术研究方面的学术论文。
杂志详情
