摘要：現(xiàn)在文本情感分類普遍采用深度學(xué)習(xí)的方法。卷積神經(jīng)網(wǎng)絡(luò)可以較好地提取局部特征,但是缺少對(duì)上下文的理解。長(zhǎng)短記憶網(wǎng)絡(luò)可以有效記憶較長(zhǎng)距離的信息,有較強(qiáng)的全局性。為實(shí)現(xiàn)全局特征與局部特征的有效融合,研究了一種融合兩種特征的深度學(xué)習(xí)方法,構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)模型。利用互聯(lián)網(wǎng)中獲取的文本作為訓(xùn)練語(yǔ)料及測(cè)試語(yǔ)料,在百度開(kāi)源平臺(tái)PaddlePaddle上進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示,該算法與傳統(tǒng)CNN和LSTM模型算法相比,識(shí)別的準(zhǔn)確率分別提高了2.65和1.87個(gè)百分點(diǎn),說(shuō)明該模型算法在文本情感分類的性能上有所提高。