摘要
随着社交网络的迅速发展,产生了大量的社交网络文本数据.国际语义评测比赛SemEval-2016和自然语言处理与中文计算国际会议NLPCC2016均提出了针对社交网络文本进行立场检测分析的任务.传统的立场检测任务中,研究人员主要通过构建特征工程、情感词典等来挖掘文本语义特征,但需要花费大量人力在特征选择及其设计上.在深度学习中,长短时记忆网络LSTM可以获取句子的长时记忆信息,而一维卷积神经网络CNN能够获取文本的局部主要语义信息.文中提出一种基于词向量技术和CNN-BiLSTM的深度融合模型,首先利用卷积神经网络提取文本向量的局部特征,再运用双向LSTM网络提取文本的全局特征,解决了单卷积神经网络无法获取全局语义信息和传统循环神经网络梯度消失的问题.在NLPCC2016 Task4数据集上进行试验,实验结果有效提升了文本立场分类的准确率,验证了模型的有效性.
国家科技期刊平台
NSTL
维普
万方数据