基于LSTM前融合中文情感倾向分类模型的研究

作者：王铃,陶宏才

摘要：在互联网平台上,用户可以针对电影、新闻等发表自己的观点、表达自己的情感,为其他用户提供消费该商品的参考意见,也帮助产品经理制定有效的产品消费策略。目前,针对中文情感倾向分类、深度学习的方法取得了一定的成就,尤其是长短期记忆神经网络(LSTM)。该网络是一个时序模型,可以很好地理解评论语义抓住评论中蕴含的情感倾向,但是它存在词向量构建阶段无法突出情感词的情感信息,以及无法针对不同场景进行文本情感倾向分析的问题。为此,提出LSTM前融合情感倾向分类模型。新模型利用情感词的情感标签修正情感词向量,解决了情感词向量无法突出情感信息的问题,并且将电影的简介作为一个输入特征融合到最终句子的特征向量中,实现针对具体的电影新闻场景评论情感倾向分类。实验结果表明,新模型相对于基本的LSTM模型取得了更好的效果,亦表明该模型能更加精确地抓取评论的情感信息。

发文机构：西南交通大学信息科学与技术学院

关键词：情感倾向分类LSTM情感词向量前融合模型classification of emotional tendencyLSTMemotional words vectorpre-fusion model

分类号： TP391.1[自动化与计算机技术—计算机应用技术]