Word2Vec+LSTM多类别情感分类算法优化
随着网民的数量不断增加，用户上网产生的数据量也在成倍增多，随处可见各种各样的评论数据，所以构建一种高效的情感分类模型就非常有必要.本文结合Word2Vec与LSTM神经网络构建了一种三分类的情感分类模型：首先用Word2Vec词向量模型训练出情感词典，然后利用情感词典为当前训练集数据构建出词向量，之后用影响LSTM神经网络模型精度的主要参数来进行训练.实验发现：当数据不进行归一化，使用He初始化权重，学习率为0.001，损失函数选择均方误差，使用RMSProp优化器，同时用tanh函数作为激活函数时，测试集的总体准确率达到了92.28%.与传统的Word2Vec+SVM方法相比，准确率提高了大约10%，情感分类的效果有了明显的提升，为LSTM模型的情感分类问题提供了新的思路.
文件下载
评论信息
其他资源
- Java学生签到系统源码
- 椭圆曲线密码学导论(中文).pdf
- cloudcompare依赖的动态库
- 广东工业大学数据结构课程设计-表达式类型的实现
- javaweb课程设计 学生管理系统
- simulink hdl coder 用户手册pdf
- canny算子C语言完整实现
- 操作系统复习资料（张尧学版）
- 张宇考研数学一 1000题 解析分册和习题分册2019考研
- freertos-ug.pdf
- 主持人：原文：https：scaffrey.coding.netphostsgit https：git.qvq.networkgooglehostshosts-源码
- 一种多距离融合的大深度测量范围相移阴影叠栅轮廓术
- terraform-provider-datadog：Terraform Datadog提供程序-源码
- VNX NAS实施配置文档.docx
- 东南大学首届嵌入式系统设计大赛获奖作品集
- 按钮小图标大全
- 2019天勤操作系统高分笔记
- 电机驱动电路之H桥
- 基于LabVIEW的智能车监控系统
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明