資料介紹
針對(duì)中文微博全局性情感傾向分類的準(zhǔn)確性不高的問(wèn)題,提出基于長(zhǎng)短期記憶模型的多維主題模型( MT-LSTM)。該模型是一個(gè)多層多維序列計(jì)算模型,由多維長(zhǎng)短期記憶(LSTM)細(xì)胞網(wǎng)絡(luò)組成,適用于處理向量、數(shù)組以及更高維度的數(shù)據(jù)。該模型首先將微博語(yǔ)句分為多個(gè)層次進(jìn)行分析,縱向以三維長(zhǎng)短期記憶模型( 3D-LSTM)處理詞語(yǔ)及義群的情感傾向,橫向以多維長(zhǎng)短期記憶模型( MD-LSTM)多次處理整條微博的情感傾向;然后根據(jù)主題標(biāo)簽的高斯分布判斷情感傾向;最后將幾次判斷結(jié)果進(jìn)行加權(quán)得到最終的分類結(jié)果。實(shí)驗(yàn)結(jié)果表明,該算法平均查準(zhǔn)率達(dá)9l%,最高可達(dá)96.5%;中性微博查全率高達(dá)50%以上。與遞歸神經(jīng)網(wǎng)絡(luò)(RNN)模型相比,該算法F一測(cè)量值提升40%以上;與無(wú)主題劃分的方法相比,細(xì)致的主題劃分可將F一測(cè)量值提升11. 9%。所提算法具有較好的綜合性能,能夠有效提升中文微博情感傾向分析的準(zhǔn)確性,同時(shí)減少訓(xùn)練數(shù)據(jù)量,降低匹配計(jì)算的復(fù)雜度。

掃碼添加小助手
加入工程師交流群
- PyTorch教程之長(zhǎng)短期記憶(LSTM)
- 文本挖掘之概率主題模型綜述 16次下載
- 基于時(shí)空特性的ST-LSTM網(wǎng)絡(luò)位置預(yù)測(cè)模型 13次下載
- 基于雙向長(zhǎng)短時(shí)記憶的序列標(biāo)注神經(jīng)網(wǎng)絡(luò)模型 15次下載
- 基于神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶網(wǎng)絡(luò)的網(wǎng)絡(luò)入侵檢測(cè) 2次下載
- 基于長(zhǎng)短期記憶網(wǎng)絡(luò)的長(zhǎng)距離股票趨勢(shì)預(yù)測(cè) 7次下載
- 基于預(yù)訓(xùn)練模型和長(zhǎng)短期記憶網(wǎng)絡(luò)的深度學(xué)習(xí)模型 19次下載
- 基于改進(jìn)長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的兒童語(yǔ)音情感識(shí)別模型 14次下載
- 基于雙向長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的交互注意力模型 28次下載
- 基于雙向長(zhǎng)短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)的句子切分模型 14次下載
- 一種捕獲主題單詞信息的主題模型JEA-LDA 19次下載
- 一種多模型集成的網(wǎng)絡(luò)論壇發(fā)帖量預(yù)測(cè)模型 16次下載
- 借助長(zhǎng)短期記憶網(wǎng)絡(luò)預(yù)測(cè)文件訪問(wèn)熱度預(yù)測(cè) 7次下載
- 如何使用樹(shù)結(jié)構(gòu)長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)進(jìn)行金融時(shí)間序列預(yù)測(cè) 7次下載
- 基于概率主題模型的景點(diǎn)主題模型 3次下載
- 一文讀懂LSTM與RNN:從原理到實(shí)戰(zhàn),掌握序列建模核心技術(shù) 946次閱讀
- 掃描模型前模型檢查的注意事項(xiàng) 2.1k次閱讀
- LSTM模型的基本組成 4.1k次閱讀
- 大模型為什么要微調(diào)?大模型微調(diào)的原理 8.2k次閱讀
- AI大模型與小模型的優(yōu)缺點(diǎn) 1.1w次閱讀
- llm模型和chatGPT的區(qū)別 2.5k次閱讀
- 使用PyTorch搭建Transformer模型 3.3k次閱讀
- 工業(yè)元宇宙的仿真可以使用哪些模型 1.5k次閱讀
- 谷歌Gemini模型AI網(wǎng)絡(luò)及TPU拆解 2.5k次閱讀
- Topic 模型的使用 1.3k次閱讀
- 初識(shí)IBIS模型 3.8k次閱讀
- 集成模型的原理及創(chuàng)建集成模型的方法 6.3k次閱讀
- 長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的算法 5.1k次閱讀
- 一種分?jǐn)?shù)階Bingham磁流變阻尼器力學(xué)模型 5.6k次閱讀
- PRAM模型、BSP模型、LogP模型優(yōu)缺點(diǎn)分析 1.8w次閱讀
下載排行
本周
- 1MDD品牌三極管MMBT3906數(shù)據(jù)手冊(cè)
- 2.33 MB | 次下載 | 免費(fèi)
- 2MDD品牌三極管S9012數(shù)據(jù)手冊(cè)
- 2.62 MB | 次下載 | 免費(fèi)
- 3聯(lián)想flex2-14D/15D說(shuō)明書(shū)
- 4.92 MB | 次下載 | 免費(fèi)
- 4收音環(huán)繞擴(kuò)音機(jī) AVR-1507手冊(cè)
- 2.50 MB | 次下載 | 免費(fèi)
- 524Pin Type-C連接器設(shè)計(jì)報(bào)告
- 1.06 MB | 次下載 | 免費(fèi)
- 6新一代網(wǎng)絡(luò)可視化(NPB 2.0)
- 3.40 MB | 次下載 | 免費(fèi)
- 7MS1000TA 超聲波測(cè)量模擬前端芯片技術(shù)手冊(cè)
- 0.60 MB | 次下載 | 免費(fèi)
- 8MS1022高精度時(shí)間測(cè)量(TDC)電路數(shù)據(jù)手冊(cè)
- 1.81 MB | 次下載 | 免費(fèi)
本月
- 1愛(ài)華AIWA HS-J202維修手冊(cè)
- 3.34 MB | 37次下載 | 免費(fèi)
- 2PC5502負(fù)載均流控制電路數(shù)據(jù)手冊(cè)
- 1.63 MB | 23次下載 | 免費(fèi)
- 3NB-IoT芯片廠商的資料說(shuō)明
- 0.31 MB | 22次下載 | 1 積分
- 4H110主板CPU PWM芯片ISL95858HRZ-T核心供電電路圖資料
- 0.63 MB | 6次下載 | 1 積分
- 5UWB653Pro USB口測(cè)距通信定位模塊規(guī)格書(shū)
- 838.47 KB | 5次下載 | 免費(fèi)
- 6技嘉H110主板IT8628E_BX IO電路圖資料
- 2.61 MB | 4次下載 | 1 積分
- 7蘇泊爾DCL6907(即CHK-S007)單芯片電磁爐原理圖資料
- 0.04 MB | 4次下載 | 1 積分
- 8100W準(zhǔn)諧振反激式恒流電源電路圖資料
- 0.09 MB | 2次下載 | 1 積分
總榜
- 1matlab軟件下載入口
- 未知 | 935137次下載 | 10 積分
- 2開(kāi)源硬件-PMP21529.1-4 開(kāi)關(guān)降壓/升壓雙向直流/直流轉(zhuǎn)換器 PCB layout 設(shè)計(jì)
- 1.48MB | 420064次下載 | 10 積分
- 3Altium DXP2002下載入口
- 未知 | 233089次下載 | 10 積分
- 4電路仿真軟件multisim 10.0免費(fèi)下載
- 340992 | 191439次下載 | 10 積分
- 5十天學(xué)會(huì)AVR單片機(jī)與C語(yǔ)言視頻教程 下載
- 158M | 183353次下載 | 10 積分
- 6labview8.5下載
- 未知 | 81602次下載 | 10 積分
- 7Keil工具M(jìn)DK-Arm免費(fèi)下載
- 0.02 MB | 73822次下載 | 10 積分
- 8LabVIEW 8.6下載
- 未知 | 65991次下載 | 10 積分
電子發(fā)燒友App





創(chuàng)作
發(fā)文章
發(fā)帖
提問(wèn)
發(fā)資料
發(fā)視頻
上傳資料賺積分
評(píng)論