典型文献
基于TextRNN与TextCNN的情感分类对比研究
文献摘要：
在进行文本情感分类任务时,针对任务和数据特点选取合适的深度学习主体算法十分关键.为解决此问题,探讨TextRNN与TextCNN这两种情感分类算法的适用场景,对比其优势和不同,为主层算法选择提供参考.同时对TextRNN的单向和双向选择问题,TextCNN卷积核类型的选择问题进行讨论,并在IMDB数据集上进行实验比较.结果表明,TextRNN采用双向特征提取时分类准确率更高,TextCNN选取多尺度卷积核组合来提取特征会有更好的表现效果.与此同时TextCNN比TextRNN拥有更高的准确率和更强的鲁棒性.与常用的三种机器学习算法LR、SVM、NB相比较,这两种深度学习算法的分类结果比机器学习算法的最好结果高出10％左右.
文献关键词：
TextRNN;TextCNN;情感分类
中图分类号：
作者姓名：
付甜甜;刘海忠
作者机构：
兰州交通大学 数理学院,甘肃 兰州 730070
文献出处：
引用格式：
[1]付甜甜;刘海忠-.基于TextRNN与TextCNN的情感分类对比研究)[J].科学技术创新,2022(30):69-72
A类：
B类：
TextRNN,TextCNN,分类对比,文本情感分类,分类任务,点选,学习主体,分类算法,适用场景,算法选择,双向选择,IMDB,分类准确率,多尺度卷积核,提取特征,机器学习算法,LR,NB,深度学习算法
AB值：
0.317189
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
