一种用于阿拉伯语情感分析的CNN与LSTM组合模型
计算与语言
2018-11-02 v3
摘要
深度神经网络在处理来自广泛应用领域、具有挑战性的大型数据集时，已展现出良好的数据建模能力。卷积神经网络（CNNs）在选取优良特征方面具有优势，而长短期记忆（LSTM）网络已证明具备学习序列数据的良好能力。已有报道表明，这两种方法在图像处理、语音识别、语言翻译及其他自然语言处理（NLP）任务等领域均提供了改进的结果。来自Twitter的短文本消息情感分类是一项具有挑战性的任务，而对于阿拉伯语情感分类任务，由于阿拉伯语形态丰富，其复杂度进一步增加。此外，阿拉伯语准确预处理工具的匮乏以及该领域研究的有限，是当前的另一局限。本文中，我们探究了集成CNN与LSTM的益处，并报告了在不同数据集上阿拉伯语情感分析准确率的提升。另外，我们试图通过使用不同的情感分类层级，来考虑特定阿拉伯语词汇的形态多样性。
引用
@article{arxiv.1807.02911,
title = {A Combined CNN and LSTM Model for Arabic Sentiment Analysis},
author = {Abdulaziz M. Alayba and Vasile Palade and Matthew England and Rahat Iqbal},
journal= {arXiv preprint arXiv:1807.02911},
year = {2018}
}
备注
Authors accepted version of submission for CD-MAKE 2018