基于改进型 LSTM 的文本情感分析模型研究

来源：计算机技术与发展杂志2020年第12期北京时间：

作者：罗正军;柯铭菘;周德群

摘要：文本情感分析是自然语言处理领域的一大研究方向。文本情感分析本质上属于文本二分类问题,问题的核心是将一段文本所表达的情感分为正向和负向两类。传统的文本分类算法在进行文本情感分析时,不能很好地考虑到词与词之间的关联性以及词语之间的极性转移。针对 LSTM 神经网络模型在文本情感分析中的不足,设计并提出了基于改进型LSTM 的文本情感分析模型。 为了降低在原始 LSTM 模型中采用随机梯度下降法进行参数更新所带来的不确定性,提出一种基于向量空间的伪梯度下降法。 在迭代过程中,为了减轻模型准确率的振荡现象,提出带有修正项的二元交叉熵损失函数,使改进后的模型有选择性地针对分类模糊的数据进行更新。 实验结果表明,改进后的模型在分类正确率以及迭代效率上有所改进。

关键词：文本情感分析;机器学习;长短期记忆模型;梯度下降;损失函数