Indexed by：
Abstract：
情感分析在业界被广泛应用于产品分析、商品推荐等方面,具有很高的商业价值.目前常用的研究方法主要基于机器学习算法和基于词典的方法,该类方法通常需依赖复杂的人工规则和特征工程.针对传统情感分类方法需要人工干预的问题,总结目前已有可用于情感分析的深度学习方法,提出将卷积神经网络(CNN)和双向长短时记忆网络(BLSTM)进行组合,并将融合后的特征添加至注意力机制,设计出 CBLSTM-Attention模型.实验表明,该模型在中文数据集上准确率达 0.965 0,在 NLPCC英文数据集上准确率达 0.942 2,证明该方法不仅可提高文本情感倾向性分析的准确率,而且可有效解决人工干预问题.
Keyword：
Reprint Author's Address：
Email：
Source ：
软件导刊
ISSN： 1672-7800
Year： 2019
Issue： 11
Volume： 18
Page： 15-20
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 2
Chinese Cited Count：
30 Days PV： 10
Affiliated Colleges：
