论文部分内容阅读
现有情感分类方法将词作为文本特征,把高阶数据展开为向量形式,同时映射到高维向量空间进行训练,但数据原有高阶结构必然受到影响,甚至造成文本数据特征维数过高,最终引起过拟合现象。面对这种情况,利用张量空间模型令文本数据张量化,基于STM模型配合LSTM神经网络实现L-STM算法模型,将向量序列作为LSTM网络输入,由此实现更高级优化,可有效降低参数最优解计算期间迭代次数。经实验分析不难发现,基于张量空间的L-STM模型可消除文本数据过拟合问题,加快训练速度,全面保证情感文本分类准确率。