论文部分内容阅读
长短期记忆网络(long short term memory，LSTM)是一种能长久储存序列信息的循环神经网络，在语言模型、语音识别、机器翻译等领域都得到了广泛的应用。先研究了前人如何将LSTM中的记忆模块拓展到语法树得到LSTM树结构网络模型，以获取和储存句子深层次的语义结构信息；然后针对句子词语间的极性转移在LSTM树结构网络模型中添加了极性转移信息提出了极性转移LSTM树结构网络模型，更好获取情感信息来进行句子分类。实验表明在Stanford sentiment tree-bank数据集上，提出的极性转移LSTM树结构网络模型的句子分类效果优于LSTM、递归神经网络等模型。