首页|基于BILSTM-GraphSAGE模型的短文本情感分析

基于BILSTM-GraphSAGE模型的短文本情感分析

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
为克服当前基于上下文语境的词向量表示短文本的局限性,提出一种具有更丰富语义信息的BILSTM-GraphSAGE(BGS)模型.首先,根据本文设计的算法,构建短文本的关键词共现图.其次,通过BGS模型,将包含词语上下文特征的向量与表示图结构特征的向量进行拼接,生成该文本的嵌入表示.最后,将嵌入表示输入到分类层中,确定短文本的情感类型.结果 表明:F-1值分别至少提升2.60％和2.12％,取得了更好的短文本情感分析效果.
Short-Text Sentiment Analysis Based on BILSTM-GraphSAGE Model

杨文欣、张之明、李笑

展开 >

武警工程大学研究生大队,西安,710086

武警工程大学信息工程学院,西安,710086

情感分析 BILSTM GraphSAGE 短文本

2020

武警工程大学学报
中国人民武装警察部队工程学院

武警工程大学学报

影响因子：0.05
ISSN：2095-3984
年,卷(期)：2020.36(4)
  • 3