基于LSTM模型循环神经网络的情感分析研究与实现.pdf
《基于LSTM模型循环神经网络的情感分析研究与实现.pdf》由会员分享,可在线阅读,更多相关《基于LSTM模型循环神经网络的情感分析研究与实现.pdf(3页珍藏版)》请在咨信网上搜索。
1、基金项目院福建省教育厅中青年教师教育科研项目(科技类):基于循环神经网络的情感分析(JAT210551)。作者简介院黄丽凤(1984-),女,福建泉州人,讲师,研究方向:软件工程、web 开发、机器学习;吴宗波(1978-),男,安徽蚌埠人,讲师,研究方向:软件开发、人工智能、机器学习。收稿日期院2023-01-28基于 LSTM 模型循环神经网络的情感分析研究与实现黄丽凤,吴宗波泉州信息工程学院,福建泉州362000摘要:利用循环神经网络搭建基于 LSTM 模型,对网上商品评论信息进行情感分析。首先,利用 word2Vec 的词向量训练方法,解决传统文本中向量矩阵所占存储空间大,导致运行时间
2、长的问题;其次,提出了标准长度零矩阵的填充算法,利用 LSTM 完成评论信息的自动“遗忘”和“记忆”,可提高模型的运行时间和准确率;最后,为提高模型的泛化能力,减少参数,提高拟合能力,对embedding 层和 LSTML 单元进行随机失活。实验表明,可显著提高对商品评论的分类准确率,有效预测商品销售趋势。关键词:循环神经网络;LSTM 模型;情感分析中图分类号:TP183文献标识码:A文章编号:2095-7734(2023)03-0034-03在互联网快速发展的推动下,越来越多的人喜欢足不出户进行网上购物。网上商品的性能、价格、实用性等评价信息已经成为了用户对商品好坏的情感描述。然而,这些情
3、感信息,用户评价主观性较强,数据量大,文本信息不规范等现象,仅仅依靠人工去分析用户的情感是不精确的。为此,可以利用计算机自动化的文本挖掘技术来实现。它可以在最短的时间内,通过计算机,快速获取、整理、分析、归纳网络中大量带有个人情感,如积极,消极、中性等有价值的主观评价信息1,通过这些信息去判断用户的感情倾向。目前,国内外对情感分析模型的研究主要划分成三个方法,基于词典的规则方法、机器学习方法和深度学习方法2。本文则将自注意力机制引入 LSTM模型,构建基于深度学习方法的情感分类。1 LSTM+Attention Model 情感分类模型全连接神经网络(FCNN)在同一层各个节点之间是没有连接的
4、,无法使用序列之前时刻的信息,也就是没有办法处理前一个输入和后一个输入之间的关系。但在现实生活中,信息之间往往有很复杂 的 关 联 性 和 依 赖 性,因 此 循 环 神 经 网 络(Recurrent Neural Network,RNN)应运而生14。1.1 循环神经网络(RNN)RNN 主要的应用场景是处理时间序列问题数据,也就是神经元中某一时刻的输出可以作为下一时刻的输入。RNN 的结构如图 1 所示。图 1RNN 结构图从图 1 可知,右边是每一个神经元从输入、处理,到数据输出的过程,每个神经元完成工作的过程是一样,因此,可以折叠成左图的效果。从图 1 来看,所有的神经元有用到一组
5、W,U,V 参数,这组参数被整个循环神经网络所共享。在某一时刻 t,其输出层的公式为:Ot=f(WSt-1+UXt+V)(公式 1)在 RNN 中,完成 t 时刻数据输出,需要接收 t-1时刻输出 St-1,这取决于 t 时刻输入 Xt。RNN“记住”前面多个时刻的输入值来共同计算当前时刻的输出值,这使隐藏层之间的节点建立了连接15。RNN 的梯度消失和梯度爆炸问题,导致信息无2023 年 6 月普洱学院学报Jun.2023第 39 卷第 3 期Journal of Puer UniversityVol.39No.334法长期保存。霍克赖特等人提出长短期记忆(LongShort-Term Me
6、mory,LSTM)网络16,LSTM 能更好地缓解长期依赖、梯度消失和梯度爆炸的问题。1.2 长短期记忆 渊Long Short-Term Memory袁LSTM冤网络LSTM 网络结构和 RNN 结构相似,它用特殊的方法来记忆存储数据。在 LSTM 结构中,主要有四个输入和一个输出组成。其内部结构如下图 2:图 2LSTM 结构的输入与输出图在图 2 中,神经元的输入是 Xt-1,Xt,Xt+1,神经元的输出是 ht-1.ht,ht+1,滓 和 tanh 分别表示 Sigmoid 和tanh 激励函数。和茚分别表示相加和相乘操作。箭头代表数据的传输。其工作流程如下:(1)遗忘门工作,判断是
7、否舍弃上一步传来的信息:先读取 ht-1作为前一神经元输出,Xt作为当前神经元输入,两者之间经过 Sigmoid 函数,输出一个介于 0 到 1 之间的数值。数字从 0-1 代表信息从完全舍弃到完全保留,其输出公式为:ft=Sigmoid(Wf.ht-1,xt+bf)(公式 2)(2)输入门工作,决定更新哪些信息:先读取 ht-1作为前一神经元输出,Xt作为当前神经元输入,两者之间经过 Sigmoid 函数,得到一个介于 0 到 1 之间的 it数值,此数值代表需要保留的信息。然后将ht-1和 Xt两个信息进行 tanh 函数,得到一个稍选值C軒t。最后将 it和C軒t其相乘,得到一个真正需要
8、加入状态细胞的更新信息。输出公式为:it=Sigmoid(Wi.ht-1,xt+bi)(公式 3)C軒t=tanh(Wc.ht-1,xt+bc)(公式 4)(3)更新过程,将旧细胞状态更新为新细胞状态,根据前面的步骤,将 Ct-1 更新为 Ct。输出公式为:Ct=ftCt-1+itC軒t(公式 5)(4)输出门工作,决定输出哪些信息:与前面的相似,先经过 Sigmoid 函数,得到一个介于 0-1 之间的 Ot 数值,用来决定细胞状态中哪些信息部分可以输入,然后将细胞状态通过 tanh 函数,把数值调整成-1 到 1,最后再和 Ot相乘,从而得到最后决定输出的部分。输出公式为:Ot=Sigmo
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 LSTM 模型 循环 神经网络 情感 分析研究 实现
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。