典型文献
基于CNN-BiLSTM-HAN混合神经网络的高校图书馆社交网络平台细粒度情感分析
文献摘要：
[目的/意义]从高校图书馆社交网络平台用户评论数据挖掘角度出发,对用户评论情感极性进行细粒度分析,为高校图书馆了解用户真实情感倾向并提升服务质量提供科学依据.[方法/过程]以国内高校图书馆社交网络平台用户中文评论数据为研究对象,通过TensorFlow深度学习框架,利用Keras人工神经网络库,将卷积神经网络(Convolution Neural Network,CNN)和双向长短时记忆网络(Bidirectional Long Short Term Memory,BiLSTM)结合,并引入层次化注意力机制(Hierarchical Attention,HAN),构建基于CNN-BiLSTM-HAN混合神经网络的情感分析模型.[结果/结论]利用真实高校图书馆社交网络平台用户评论数据集进行实验,本文方法取得93.38％的准确率,结果表明本文模型的有效性.模型较为复杂,导致模型训练时间上较长,方法模型的普适性有待进一步检验,表情符号信息没有得到有效利用,参数设置尚需进一步研究.
文献关键词：
高校图书馆;社交网络平台;卷积神经网络;双向长短时记忆网络;层次化注意力机制;情感分析
中图分类号：
作者姓名：
李博;李洪莲;关青;刘杨
作者机构：
哈尔滨商业大学图书馆,哈尔滨 150028
文献出处：
引用格式：
[1]李博;李洪莲;关青;刘杨-.基于CNN-BiLSTM-HAN混合神经网络的高校图书馆社交网络平台细粒度情感分析)[J].农业图书情报学报,2022(04):63-73
A类：
层次化注意力机制
B类：
BiLSTM,HAN,混合神经网络,高校图书馆,社交网络平台,细粒度情感分析,用户评论,评论数据,情感极性,粒度分析,情感倾向,提升服务质量,国内高校,TensorFlow,深度学习框架,Keras,人工神经网络,Convolution,Neural,Network,双向长短时记忆网络,Bidirectional,Long,Short,Term,Memory,Hierarchical,Attention,模型训练,训练时间,方法模型,表情符号,参数设置,尚需
AB值：
0.26107
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。
