Analyse de sentiment textuel intelligent de la beauté émotionnelle dans la traduction anglaise : Basé sur l'algorithme TB-LSTM

Dans les méthodes existantes d'analyse de sentiment par apprentissage profond, le texte est directement traité en une séquence de mots, ce qui ignore souvent les composants importants du texte et le sujet du texte. Pour résoudre ces problèmes, le sujet du texte est extrait à travers le modèle d'allocation latente de Dirichlet, puis une méthode d'intégration des informations sur le sujet dans les réseaux neuronaux est proposée. De plus, un modèle de classification des émotions qui intègre les informations sur le sujet est construit. Un mécanisme d'attention est utilisé au niveau lexical et au niveau des phrases, en prêtant attention au contenu plus et moins important séparément lors de la construction de la présentation du document. Les résultats montrent que le modèle proposé présente d'excellentes performances dans les quatre types de données, parmi lesquels le taux de précision, le taux de rappel et le F1-score de CCF-BDC sont les meilleurs, atteignant respectivement 0,63, 0,72 et 0,7. La précision de la traduction atteint également 0,85. Ces résultats montrent que le modèle proposé dans cette étude a de meilleures performances en analyse de sentiment. Ces résultats de recherche aideront à améliorer l'expérience de lecture de l'utilisateur et à faire en sorte que la traduction automatique réponde mieux aux besoins d'expression linguistique humaine.