复杂性

研究文章

混合深度学习情绪分析模型

表9

比较基于提出的模型在数据集和最先进的方法。


研究	模型	数据集	精度(%)

金和宋18]	美国有线电视新闻网	康奈尔大学的影评	81年
毛拉et al。75年]	SVM-IG	康奈尔大学的影评	85.65
提出的混合模型	LCNN-SVM	康奈尔大学的影评	87年
Jnoub et al。19]	SNN / CNN	IMDb	87/81
麦肯et al。20.]	字符+ CoVe-LSTM	IMDb	92.1
唐et al。76年]	L-GRNN / Conv-GRNN	IMDb	45.3/42.5
Maltoudoglou et al。49]	伯特	IMDb	92.28
杨et al。47]	XLNET	IMDb	96.21
提出的混合模型	CNN-LSTM	IMDb	93.4
Baziotis et al。77年]	Bi-LSTM +关注	tweet SemEval	67.7 (F1)
陈词滥调(78年]	LSTM-CNN	tweet SemEval	68.5 (F1)
提出的混合模型	CNN-LSTM	tweet SemEval	91.9(F1)
阿比德et al。12]	Bi-LSTM / CNN	Sentiment140	87.21/72.42
汉et al。79年]	FK-SVM	Sentiment140	87.2
提出的混合模型	LSTM-CNN	Sentiment140	84.1
美国莱恩和库马尔80年]	演算法	推特航空公司	84.5
段et al。81年]	支持向量机和朴素贝叶斯	推特航空公司	80年
莫妮卡et al。17]	LSTM	推特航空公司	80年
提出的混合模型	CLSTM-SVM	推特航空公司	92.9
Blitzer et al。82年]	SCL-MI	音乐评论和书评	79.7
乌里韦[83年]	物流/支持向量机	音乐评论和书评	87/89
提出的混合模型	LSTM-CNN / LC-S	音乐评论和书评	91.1/89.5