文件名称：使用深度学习模型对电影评论数据集进行情感分析-研究论文
文件大小：577KB
文件格式：PDF
更新时间：2024-06-29 08:14:14
Deep learning LSTM
由于每天通过互联网和其他媒体产生、共享和传输大量数据和意见，情感分析对于开发意见挖掘系统变得至关重要。 本文介绍了使用深度学习网络开发的分类情感分析，并介绍了不同深度学习网络的比较结果。 多层感知器 (MLP) 被开发为其他网络结果的基线。 长短期记忆 (LSTM) 循环神经网络、卷积神经网络 (CNN) 以及 LSTM 和 CNN 的混合模型被开发并应用于由 50K 电影评论文件组成的 IMDB 数据集。 数据集分为 50% 的正面评论和 50% 的负面评论。 数据最初是使用 Word2Vec 进行预处理的，并相应地应用了词嵌入。 结果表明，混合 CNN_LSTM 模型的性能优于 MLP 和奇异的 CNN 和 LSTM 网络。 CNN_LSTM 报告的准确率为 89.2%，而 CNN 的准确率为 87.7%，而 MLP 和 LSTM 的准确率分别为 86.74% 和 86.64。 此外，结果表明，所提出的深度学习模型的性能也优于其他使用英语数据集发表的作品中的 SVM、朴素贝叶斯和 RNTN。