为提高文本数据集的情感识别效率,采用深度学习方法,对互联网文本数据集进行情感分类,分别建立基于朴素贝叶斯(Naive Bayesian Classifier,NBC)、卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆网络(Long Short Term Memo...为提高文本数据集的情感识别效率,采用深度学习方法,对互联网文本数据集进行情感分类,分别建立基于朴素贝叶斯(Naive Bayesian Classifier,NBC)、卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆网络(Long Short Term Memory,LSTM)的情感识别模型。在二分类Focal损失函数的基础上,提出多分类Multi Focal损失函数MFL。基于搜狐新闻数据集和中美贸易战评论数据集的实验表明:使用多分类损失函数MFL的长短期记忆模型明显优于其它模型。展开更多
文摘为提高文本数据集的情感识别效率,采用深度学习方法,对互联网文本数据集进行情感分类,分别建立基于朴素贝叶斯(Naive Bayesian Classifier,NBC)、卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆网络(Long Short Term Memory,LSTM)的情感识别模型。在二分类Focal损失函数的基础上,提出多分类Multi Focal损失函数MFL。基于搜狐新闻数据集和中美贸易战评论数据集的实验表明:使用多分类损失函数MFL的长短期记忆模型明显优于其它模型。
