基于极性转移和LSTM递归网络的情感分析

摘要：

长短时记忆(long short term memory,LSTM)是一种有效的链式循环神经网络(recurrent neural network,R2NN1),被广泛用于语言模型、机器翻译、语音识别等领域.但由于该网络结构还是一种链式结构,不能有效表征语言的结构层次信息,本文将LSTM扩展到基于树结构的递归神经网络(recursive neural network,RNN)上,用于捕获文本更深层次的语义语法信息,并根据句子前后词语间的关联性引入情感极性转移模型.实验证明本文提出的模型优于LSTM、递归神经网络等.

关键词： 情感分析 长短时记忆 递归神经网络 情感极性转移模型

作者: 梁军 柴玉梅 原慧斌 高明磊 昝红英

作者单位: 郑州大学信息工程学院,河南郑州450001

会议类型: 国内会议

会议名称: 中国中文信息学会2015学术年会(CIPS2015)暨第十四届全国计算语言学学术会议(CCL2015)、第三届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD2015)

会议地点: 广州

会议语种:中文

页码: 1-9

在线出版日期: 2015-11-13（万方平台首次上网日期，不代表论文的发表时间）