基于LSTM-BLS的突发气象灾害事件中公众情感倾向分析

来源：南京信息工程大学学报·自然科学版杂志2021年第4期北京时间：

作者：罗嘉

单位：罗嘉,湖北省公众气象服务中心, 武汉, 430074,王乐豪,南京信息工程大学 自动化学院, 南京, 210044,涂姗姗,湖北省公众气象服务中心, 武汉, 430074,宋鸽,湖北省公众气象服务中心, 武汉, 430074,韩莹,南京信息工程大学 自动化学院, 南京, 210044,hanyingcs@163.comis_first_author:0,is_contact_author:,sequence:5,first_name:,middle_name:,last_name:,resume:,institute_superscript:

摘要：近年来长短期记忆网络（LSTM）在文本情感倾向分析方面显示出一定优势，但LSTM提取特征时存在语义不完整、精度不高等问题.研究者往往通过引入卷积神经网络（CNN）来弥补这一缺陷，但仍然未考虑到单词之间的句法依存问题.本文将以增量学习算法为核心的宽度学习（BLS）与LSTM相融合，提出了LSTM-BLS文本情感分析模型，并以2020断崖式降温事件为例，对突发气象灾害发生时公众情感倾向进行分析.结果表明：与基线模型K-means和支持向量机（SVM）相比，LSTM-BLS模型精度分别提高17.23和13.46个百分点；与已有深度模型LSTM、CNN-LSTM相比，本文模型精度分别提高7.13和4.17个百分点.

关键词：气象灾害;宽度学习;长短期记忆网络;情感分析

基金资助：南方海洋科学与工程广东省实验室（珠海）项目（SML2020SP007）；国家自然科学基金（62076136）