基于Keras框架下的航空公司评论数据的情感分析

摘要

长短时记忆网络(LSTM)模型可有效改善循环神经网络梯度消失,但在评论文本情感分类中未能达到一定普适性。针对此问题,文章基于Keras框架,采用模型融合的方法,对LSTM网络和反向循环神经网络结构进行融合和改进,即D-LSTM、BRNN以及M-BRNN。以航空公司评论数据集为例,采用改进的模型对文本进行分类,研究不同参数对模型性能的影响。经仿真对比分析结果表明,该模型较已有的文本分类模型鲁棒性更好,准确率比传统的方法提高了3.7%。