基于CNN和B-LSTM的文本处理模型研究

被引：10

作者：

陈欣 ^{[1
]}

于俊洋 ^{[1
,2
]}

赵媛媛 ^{[2
]}

机构：

[1] 河南大学软件学院

[2] 赛尔网络有限公司

来源：

轻工学报 | 2018年 / 33卷 / 05期

关键词：

文本情感分类; 卷积神经网络; 长短时记忆网络; PaddlePaddle;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

针对文本情感分类准确率不高的问题,在卷积神经网络CNN和栈式双向长短时记忆网络B-LSTM的基础上,提出了一种新的情感分析训练模型CNN-BLSTM.该模型利用CNN的卷积操作对词向量进行处理,提取词向量的强度特征,再输入到B-LSTM中进行上层建模,对句子进行处理.结果表明:CNN-B-LSTM模型的情感分类准确率比CNN和B-LSTM模型更高,差错率大约分别降低了4%和1%,具有一定的效果优势.

引用

页码：103 / 108

页数：6