-
题名融入自注意力机制的深度学习情感分析方法
被引量:12
- 1
-
-
作者
胡艳丽
童谭骞
张啸宇
彭娟
-
机构
国防科技大学信息系统工程重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2022年第1期252-258,共7页
-
基金
国家自然科学基金(61302144,61902417)。
-
文摘
文本情感极性分析是自然语言处理的热点领域,近年来基于中文语料的情感分析方法受到了学术界的广泛关注。目前大部分基于词向量的循环神经网络与卷积神经网络模型对于文本特征的提取和保留能力不足,为此文中引入了多层自注意力机制,提出了一种结合双向门控循环单元(BGRU)和多粒度卷积神经网络的中文情感极性分析方法。该方法首先使用BGRU获取文本的序列化特征信息,然后使用自注意力机制进行初步特征筛选,将处理后的特征信息导入含有不同卷积核的卷积神经网络;再使用自注意力机制对获得的局部特征进行动态权重的调整,注重关键特征的抽取;最后经Softmax获得文本情感极性。实验结果证明,模型在两种中文语料数据集上都体现了较好的分析处理性能,其中在ChineseNLPcorpus的online;hopping;0;ats数据集上取得了92.94%的情感分类准确性,在中科院谭松波学者整理的酒店评论数据集上取得了92.75%的情感分类准确度,相比目前的主流方法,其性能均有显著的提升。
-
关键词
情感分析
自注意力机制
双向门控制循环单元
多粒度卷积神经网络
-
Keywords
Sentiment analysis
Self-attention mechanism
Bi-directional gated recurrent unit
Multi-scale convolution neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-