基于双向门控循环单元 (GRUs) 模型的文本情感分析与分类
计算与语言
2024-11-08 v2 机器学习
摘要
本文探讨了文本情感分析与分类在自然语言处理领域的重要性，并提出了一种基于双向门控循环单元 (GRUs) 模型的情感分析与分类新方法。研究首先分析了带有六个情感标签的文本词云模型，随后进行数据预处理，包括去除特殊符号、标点符号、数字、停用词和非字母部分的步骤。接着，将数据集划分为训练集和测试集，通过模型训练和测试发现，随着训练的进行，验证集的准确率从 85% 提升至 93%，提高了 8%；同时，验证集的损失值从 0.7 降至 0.1 并趋于稳定，模型逐渐逼近实际值，能够有效地对文本情感进行分类。混淆矩阵显示，模型在测试集上的准确率达到 94.8%，精确率为 95.9%，召回率为 99.1%，F1 分数为 97.4%，证明该模型具有良好的泛化能力和分类效果。总体而言，本研究展示了一种有效的文本情感分析与分类方法，并取得了令人满意的结果。
引用
@article{arxiv.2404.17123,
title = {Text Sentiment Analysis and Classification Based on Bidirectional Gated Recurrent Units (GRUs) Model},
author = {Wei Xu and Jianlong Chen and Zhicheng Ding and Jinyin Wang},
journal= {arXiv preprint arXiv:2404.17123},
year = {2024}
}
备注
accepted by the 2nd International Conference on Software Engineering and Machine Learning (CONF-SEML 2024)