TY -的A2 - Liguori说道,Rosalba盟——小燕,李盟——拉格Rodolfo c . AU - Xuemei史PY - 2022 DA - 2022/10/22 TI - GloVe-CNN-BiLSTM模型对文本情感分析评论SP - 7212366六世- 2022 AB -如今,社交媒体网络生成大量的社会信息的用户。理解人们的看法和情感倾向于商品或者事件及时,有必要进行文本情感分析用户的观点。微博的评论数据,总是夹杂着长和短的文本,这是相对复杂。特别是对于长文本数据,它包含了很多内容,单词之间的相关性是更复杂的比短的文本。研究这些混杂的情绪分类文本由文字和短,本研究提出了一种优化GloVe-CNN-BiLSTM-based情绪分析模型。在这个模型中,使用手套的话,进行向量化和CNN代表部分空格字符。BiLSTM用于建立时间的关系。Twitter的评论数据COVID-19用作实验数据集。实验结果表明,该方法可以有效地识别用户的情感倾向的在线评论,在完整文本情感分类的准确性,文字,和短可以达到0.9565,0.9509,和0.9560,分别明显高于其他深度学习模型。同时,实验表明,该方法具有良好的领域扩张。 SN - 1687-725X UR - https://doi.org/10.1155/2022/7212366 DO - 10.1155/2022/7212366 JF - Journal of Sensors PB - Hindawi KW - ER -