基于BLSTM算法和字词融合的文本情感分类方法

摘要

目的:情感分析问题是限制人工智能发展的瓶颈之一,针对传统的深度学习方法不能有效获取文本语义的问题,提出BLSTM算法和字词融合的文本情感分类方法.方法:首先将文本切分为以字为单位的序列,经过嵌入层后得到字向量序列;然后将文本分词,通过预训练的Word2Vec模型获取对应的词向量,将每个词的词向量重复“词的字数”,得到和字向量对齐的词向量序列;最后将两者混合编码获得字词混合向量.在模型训练过程中,固定词向量不变,优化字向量,分别通过卷积神经网络和双向长短时记忆神经网络模型进行情感正负分类和主客观分类实验.结果:相对于字向量表示、词向量表示或者传统的字词融合向量,该字词融合方法在两种分类实验中的F值都有所提升.结论:使用BLSTM算法和字词融合方法相结合能够有效地提高文本情感分类模型的性能.