关键词：卷积神经网络 双向长短时记忆网络 注意力机制 文本情感分析 深度学习 

摘要：情感分析在业界被广泛应用于产品分析、商品推荐等方面,具有很高的商业价值。目前常用的研究方法主要基于机器学习算法和基于词典的方法,该类方法通常需依赖复杂的人工规则和特征工程。针对传统情感分类方法需要人工干预的问题,总结目前已有可用于情感分析的深度学习方法,提出将卷积神经网络(CNN)和双向长短时记忆网络(BLSTM)进行组合,并将融合后的特征添加至注意力机制,设计出CBLSTM-Attention模型。实验表明,该模型在中文数据集上准确率达0.9650,在NLPCC英文数据集上准确率达0.9422,证明该方法不仅可提高文本情感倾向性分析的准确率,而且可有效解决人工干预问题。

软件导刊杂志要求:

{1}作者简介：文尾附注第一作者简介，含姓名（出生年月）、性别、民族、籍贯、学历学位、单位、职务、职称、研究方向等，并注明准确通讯地址、邮政编码、电话号码、E-mail地址。

{2}本刊只接受word版电子文本。文稿须包括题目、提要、关键词、正文及作者简介。

{3}题目中除公知公用的缩略语外，尽量不用外文缩略语。

{4}参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。

{5}关键词应有3～5个。词与词之间用分号分隔。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社