TY -的A2 -叮,白元盟- Li Yang AU -阴,Chengbo PY - 2021 DA - 2021/11/06 TI -双通道的应用卷积神经网络算法在英语文本的语义特征分析大数据SP - 7085412六世- 2021 AB -当前网络数据爆炸预计一个更高要求的文本情感分析,极大地促进了舆论分析和趋势预测,等等。因此,本文提出了使用双通道卷积神经网络(DCNN)算法来分析英语文本大数据的语义特征。CNN的影响,分析后的人工神经网络(ANN)和递归神经网络(RNN)的英语文本数据分析,更有效的长期短期记忆(LSTM)和封闭的复发性单元(格勒乌)神经网络(NN)介绍,每个网络结合双通道CNN,分别和全面分析比较实验。第二,英语文本的语义特征分析大数据通过改善SO-pointwise互信息(SO-PMI)算法。最后,合奏双通道CNN模型建立。根据对比实验,格勒乌神经网络具有更好的特征检测效果比LSTM NN,但双通道的性能提升CNN格勒乌NN +双通道CNN不明显。比较分析下格勒乌NN +双通道CNN模型和CNN LSTM NN +双通道模型,格勒乌NN +双通道CNN模型保证了语义特征的高精度模型的分析和提高了分析速度。后,进一步关注机制被添加到格勒乌NN +双通道CNN模型,语义特征分析模型的准确性提高了近1.3%。因此,格勒乌的整体模型神经网络+双通道CNN +关注机制更适合英语文本的语义特征分析大数据。结果将有助于电子商务平台的评价语言和语义特征来分析当前网络英语短的文本。 SN - 1687-5265 UR - https://doi.org/10.1155/2021/7085412 DO - 10.1155/2021/7085412 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -