基于跳转LSTM-CNN模型的Twitter情感分析

摘要

针对LSTM-CNN网络模型接收句子输入训练时间长、处理较长文本时效率低下问题,提出了一种基于跳转的LSTM-CNN模型.新的模型首先在读取文本序列时进行跳转判断,即在每一步中,利用两层感知机从前向序列、后向序列和当前单词中提取信息,确定是否跳过当前单词.然后利用LSTM分析跳转后的序列语义以及提取其特征,在CNN模型进一步提取局部特征.最后合并到较小的维度,并以正或负标签输出.相比基于LSTM-CNN的模型,上述方法大大降低了网络训练时间,在效率和性能上都产生更好的效果.