第29卷第4期 2019年12月
洛阳理工学院学报（自然科学版）
Journal of Luoyang Institute of Science and Technology(Natural Science Edition)
Vol. 29 No. 4
缤客网酒店预订
武夷山攻略三日游
Dec. 2019基于CNN-LSTM电影评论的情感分析千岛湖二日游最佳路线多少钱孙敏，李旸，余大为，张恩宝，李倩倩周边旅游景点大全自驾
(安徽农业大学信息与计算机学院，安徽合肥230036)
摘要：情感性评论能反映出人们的意见信息，对这些文本进行情感分析可以获得许多有价值的信息。将CNN 和LSTM相结合，对公开的电影评论数据集IMDB分别采用CNN、LSTM和CNN-LSTM模型进行情感分析和研究 比较。实验结果表明，CNN-LSTM网络模型比单个的C N N网络模型和单个LSTM网络模型具有更高的精度，可 以解决这种短文本中的情感分析问题。
关键词：情感分析；电影评论；CNN-LSTM
D0I ： 10.3969/j.issn. 1674-5043.2019.04.013
中图分类号：TP391 文献标识码：A 文章编号：1674-5043(2019)04-0071-07晋城景点
随着生活水平的提高和人们工作之余身心的放松，大部分人们在空闲时都会选择去看一场自己喜欢 的电影。由于人们的兴趣爱好和审美观的不同，在看电影之前都会看到对于此电影五花八门的评论，使 得人们很难迅速准确地获取有价值的信息。如何有效地处理挖掘这些评论就变得相当重要。文本作为情 感的重要载体，在互联网中是不可替代的。情感分析是指分析信息发送者传达的信息的隐含态度和意 见[1]，也称为观点挖掘[2_3]，主要的目的就是将文本进行分类，即正面情感或负面情感，有时还可以分成 中性情感[4]。Pang等[5]在2002年提出关于情感研究的工作。紧接着PD Tumey[6]与Tab〇ad a[7]分别在 2002年和2011年提出基于字典的切分方法。国内对中文文本的情感分析已经做了一定的研究，如SVW、KNN和CRF等〜1()]。到目前为止，最新的深度学习方法如CNN、LSTM等[|1_|2]，也对情感分析做出了一 定的贡献。但上述方法都有局限性，缺少建立融合模型对文本进行情感分析。本文在tensorflow环境下使 用词嵌人（W ord Embedding)自然语言处理的方法进行预处理并建立CNN、LSTM、CNN-LSTM 3种模型 对电影评论集IMDB进行实验，再对实验结果进行比较和分析，CNN-LSTM模型具有最高的准确率。
1模型分析
国庆旅游最佳地点国内1.1CNN模型
众所周知，CNN在计算机视觉方面应用很广。在自然语言处理中，CNN又是如何应用的呢？在自然 语言处理中任务的输人都不再是图片像素，而是由矩阵表示的句子或文档。矩阵的每一行对应一个单词 或者字符，也就是说，每一行代表一个词向量。在图像问题中，卷积核滑过的是图像的一 “块”区域，但在自然语言处理中，我们通常使用卷积核滑过矩阵的一“行”（单词）。CNN模型体系结构如图1所示。 (1)输入层：图中最左边部分是输入层，总的来说输入层就是句子对应的矩阵，一般使用&维的分布式词向量。那么对于一个长度为n的句子，则构成一个的矩阵。可以设;c，为句子的第；个单词，它 为fc维向量。那么一个句子为戈1:…=1&2口...□*…，其中口表示按行拼接的意思。另外，根据词向量的 作用可分为两种模式：静态和非静态。静态模式是使用第三方发布的词向量或者自己训练的词向量来初 始化矩阵，并且不影响每次训练期间的反向误差传播。在不改变词向量的情况下，词向量在整个训练过 程中是固定的。非静态模式是不同的，根据反向误差传播对词向量进行微调并在整个训练过程中更新词收稿日期：2019-08-15
作者简介：孙敏（1994-)，女，安徽蚌埠人，在读硕士研究生，主要从事深度学习和情感分析方面的
研究.
