基于依存句法和图卷积神经网络的文本情感分析

目标:对文本进行情感分析,并将其分为正面和负面


模型结构:

--> Embedding layer
--> BiLSTM
--> GCN
--> GloableAveragePooling
--> Softmax

 

方法:

  • 将依存句法分析构建的依存图作为邻接矩阵
  • 利用BiLSTM编码后的特征作为节点特征
  • 将邻接矩阵和节点特征作为GCN的输入,之后进行情感分类

结果:

Precision (%)Recall (%)F1 (%)
91.33791.29091.303

 代码:

https://github.com/Captain-F/BiLSTM-GCN-for-Sentiment-Analysis

 

  • 0
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值