基于极性转移和LSTM的树结构网络与句子分类

来源：计算机应用研究杂志2019年第1期北京时间：

作者：汪冉,金忠,

单位：南京理工大学计算机科学与工程学院,南京210018；

摘要：长短期记忆网络（long short term memory，LSTM）是一种能长久储存序列信息的循环神经网络，在语言模型、语音识别、机器翻译等领域都得到了广泛的应用。首先研究了前人如何将LSTM中的记忆模块拓展到语法树得到LSTM树结构网络模型，以获取和储存句子深层次的语义结构信息；然后针对句子词语间的极性转移在LSTM树结构网络模型中添加了极性转移信息而提出了极性转移LSTM树结构网络模型，更好地获取情感信息来进行句子分类。实验表明在Stanford sentiment tree-bank数据集上，提出的极性转移LSTM树结构网络模型的句子分类效果优于LSTM、递归神经网络等模型。

关键词：神经网络,长短期记忆网络,树结构网络,极性转移,句子分类,

基金资助：国家自然科学基金资助项目(61373063,61375007,61233011)；；