计算机应用研究

北大核心,JST,Pж(AJ),CSCD扩展版,WJCI

国内刊号:51-1196/TP

国际刊号:1001-3695

计算机应用研究杂志2019年第1期:基于极性转移和LSTM的树结构网络与句子分类

发布日期:

作者:汪冉,金忠,

单位:南京理工大学计算机科学与工程学院,南京210018;

关键词:神经网络,长短期记忆网络,树结构网络,极性转移,句子分类,

基金:国家自然科学基金资助项目(61373063,61375007,61233011);;

长短期记忆网络(long short term memory,LSTM)是一种能长久储存序列信息的循环神经网络,在语言模型、语音识别、机器翻译等领域都得到了广泛的应用。首先研究了前人如何将LSTM中的记忆模块拓展到语法树得到LSTM树结构网络模型,以获取和储存句子深层次的语义结构信息;然后针对句子词语间的极性转移在LSTM树结构网络模型中添加了极性转移信息而提出了极性转移LSTM树结构网络模型,更好地获取情感信息来进行句子分类。实验表明在Stanford sentiment tree-bank数据集上,提出的极性转移LSTM树结构网络模型的句子分类效果优于LSTM、递归神经网络等模型。

来源:2019年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第1期

联系我们

  • 地址:四川省成都市武候区成科西路3号
  • 电话:028-85249567
  • E-mail:journal@arocmag.cn

咨询工作人员