期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于deep belief nets的维吾尔语句子级情感分析 被引量：3
1
作者 衣马木艾山.阿布都力克木 李敏 +3 位作者 李自臣 陈梅 田生伟 禹龙 《计算机应用研究》 CSCD 北大核心 2018年第7期2066-2070,共5页
针对维吾尔语句子情感信息,即喜、怒、哀、乐和客观五分类任务,提出了一种利用深度信念网络(deep belief nets,DBN)模型的深度学习机制进行基于深层语义特征的句子级情感分析方法。该方法通过对维吾尔语情感句及语言特点的深入研究,提... 针对维吾尔语句子情感信息,即喜、怒、哀、乐和客观五分类任务,提出了一种利用深度信念网络(deep belief nets,DBN)模型的深度学习机制进行基于深层语义特征的句子级情感分析方法。该方法通过对维吾尔语情感句及语言特点的深入研究,提取出利于情感分析任务的八项情感特征。为了提高特征对文本语义的表达,将富含词汇深层语义和上下文信息的word embedding特征与情感特征进行融合,作为深度信念网络的输入。利用多层无监督的波尔兹曼机(RBM)训练并提取隐含的深层语义特征,通过有监督的后向传播算法对网络进行微调,进而完成情感分类任务。该方法在维吾尔语句子级情感分类任务中的准确率为83.35%,召回率为84.42%,F值为83.88%。实验结果证明,深度学习模型较浅层的学习模型更合适于文本的情感分类任务,对word embedding特征项的引入,有效地提高了情感分类模型的性能。 展开更多
关键词 维吾尔语 情感分类 深度学习 深度信念网络 词语嵌入
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部