文本情感分析学习篇(三)

本文探讨了Word2Vec+LSTM的情感分类算法优化,相较于Word2Vec+SVM,准确率提升了10%。同时介绍了基于BERT-LDA模型的新冠肺炎舆情演化仿真,通过结合LDA解决BERT的情感分析问题,利用微博和百度贴吧情感语料进行预训练,以提高模型效果。实验表明,改进后的模型在情感分析中表现更优。
摘要由CSDN通过智能技术生成

文本情感分析学习篇(三)

题目:Word2Vec+LSTM多类情感分类算法优化

文献:邬明强,邬佳明,辛伟彬.Word2Vec+LSTM 多类别情感分类算法优化.计算机系统应用,2020,29(1):130–136.

http://www.c-s-a.org.cn/1003-3254/7227.html

  1. 三分类的情感分类模型:消极  积极  中性
  2. 相对于Word2Vec+SVM准确率提高了10%
  3. Word2Vec之前是one-hot编码方式
  4. Jieba库 lcut 进行句子切分,多为向量表征词语,20维向量就可以表征1048576个词语,通过欧式距离或余弦相似度来表示词之间的距离。
  5. LSTM之前是RNN,因为RNN不具有长距离记忆能力,LSTM设计记住长期的信息。用“控制门的思想实现的
  6. 分类流程:Word2Vec分词,词向量对应句子,得到句子的表征句向量
  7. 句向量作为神经网络的输入部分

评论 3
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