基于胶囊网络和高斯自注意力的用户评论情感分析

针对传统卷积神经网络和循环神经网络在文本情感分析领域对文本特征提取存在的语义丢失、无法识别文本关键词等问题进行改进,提出一种结合高斯自注意力机制的双通道文本特征提取模型。首先,该模型利用改进的胶囊网络和词性词向量提取更深层次的文本特征;然后,使用双向长短期记忆网络提取双向的语义依赖;最后,加入高斯自注意力层得到输入信息对分类结果的注意力分布。模型在两个标准数据集上进行验证,与传统的用户评论情感分析模型相比,在准确率和F1值上均取得了明显的提升。