期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于注意力机制双通道复合模型的文本情感分类
被引量:
2
1
作者
邹波蓉
王一丞
+2 位作者
王伟东
侯庆华
武会斌
《河南理工大学学报(自然科学版)》
CAS
北大核心
2022年第6期155-162,共8页
针对目前常见神经网络在处理中文短文本情感分类任务中对文本数据复杂信息特征提取不完整,致使前后关联性文本学习不充分等问题,提出一种结合注意力机制的双通道复合网络模型。首先对语料进行预处理形成文本向量矩阵;然后在两个通道中...
针对目前常见神经网络在处理中文短文本情感分类任务中对文本数据复杂信息特征提取不完整,致使前后关联性文本学习不充分等问题,提出一种结合注意力机制的双通道复合网络模型。首先对语料进行预处理形成文本向量矩阵;然后在两个通道中分别利用卷积神经网络层,双向耦合输入和遗忘门网络层提取样本向量的局部特征,用以学习前后词向量之间的联系;再分别加入注意力机制网络层,对不同情感密度的文本信息进行权重分配,提高重点信息对句子情感分类的影响强度;最终将两个通道特征向量进行融合,计算文本数据概率分布。提出的多层混合网络模型在京东商品评论集和搜狐新闻数据集上测试结果显示,准确率分别达到93.17%和91.18%,F-SCORE数值达到93.12%和91.12%,验证了该复合模型应用于文本情感分析的有效性。
展开更多
关键词
情感分类
卷积神经网络
双向耦合输入和遗忘门网络
注意力机制
准确率
f-score数值
下载PDF
职称材料
基于CNNCIFG-Attention模型的文本情感分类
被引量:
1
2
作者
李辉
王一丞
《电子科技》
2022年第2期46-51,共6页
神经网络在处理中文文本情感分类任务时,文本显著特征提取能力较弱,学习速率也相对缓慢。针对这一问题,文中提出一种基于注意力机制的混合网络模型。首先对文本语料进行预处理,利用传统的卷积神经网络对样本向量的局部信息进行特征提取...
神经网络在处理中文文本情感分类任务时,文本显著特征提取能力较弱,学习速率也相对缓慢。针对这一问题,文中提出一种基于注意力机制的混合网络模型。首先对文本语料进行预处理,利用传统的卷积神经网络对样本向量的局部信息进行特征提取,并将其输入耦合输入和遗忘门网络模型,用以学习前后词句之间的联系。随后,再加入注意力机制层,对深层次文本信息进行权重分配,提高重要信息对文本情感分类的影响强度。最后,将所提出的混合网络模型在京东商品评论集上进行测试。测试结果显示,新方法的准确率达到了92.13%,F-Score数值为92.06%,证明了CNNCIFG-Attention模型的可行性。
展开更多
关键词
情感分类
混合网络模型
卷积神经网络
特征提取
耦合输入和遗忘门网络
注意力机制
权重分配
准确率
f-score数值
下载PDF
职称材料
题名
基于注意力机制双通道复合模型的文本情感分类
被引量:
2
1
作者
邹波蓉
王一丞
王伟东
侯庆华
武会斌
机构
河南理工大学物理与电子信息学院
河南理工大学电气工程与自动化学院
出处
《河南理工大学学报(自然科学版)》
CAS
北大核心
2022年第6期155-162,共8页
基金
国家自然科学基金资助项目(11805052)
河南省科技攻关项目(222102210247)。
文摘
针对目前常见神经网络在处理中文短文本情感分类任务中对文本数据复杂信息特征提取不完整,致使前后关联性文本学习不充分等问题,提出一种结合注意力机制的双通道复合网络模型。首先对语料进行预处理形成文本向量矩阵;然后在两个通道中分别利用卷积神经网络层,双向耦合输入和遗忘门网络层提取样本向量的局部特征,用以学习前后词向量之间的联系;再分别加入注意力机制网络层,对不同情感密度的文本信息进行权重分配,提高重点信息对句子情感分类的影响强度;最终将两个通道特征向量进行融合,计算文本数据概率分布。提出的多层混合网络模型在京东商品评论集和搜狐新闻数据集上测试结果显示,准确率分别达到93.17%和91.18%,F-SCORE数值达到93.12%和91.12%,验证了该复合模型应用于文本情感分析的有效性。
关键词
情感分类
卷积神经网络
双向耦合输入和遗忘门网络
注意力机制
准确率
f-score数值
Keywords
sentiment classification
convolutional neural network
two-way coupling input and forget gate network
attention mechanism
accuracy
f-score
value
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于CNNCIFG-Attention模型的文本情感分类
被引量:
1
2
作者
李辉
王一丞
机构
河南理工大学物理与电子信息学院
河南理工大学电气工程与自动化学院
出处
《电子科技》
2022年第2期46-51,共6页
基金
国家自然科学基金(11804081)。
文摘
神经网络在处理中文文本情感分类任务时,文本显著特征提取能力较弱,学习速率也相对缓慢。针对这一问题,文中提出一种基于注意力机制的混合网络模型。首先对文本语料进行预处理,利用传统的卷积神经网络对样本向量的局部信息进行特征提取,并将其输入耦合输入和遗忘门网络模型,用以学习前后词句之间的联系。随后,再加入注意力机制层,对深层次文本信息进行权重分配,提高重要信息对文本情感分类的影响强度。最后,将所提出的混合网络模型在京东商品评论集上进行测试。测试结果显示,新方法的准确率达到了92.13%,F-Score数值为92.06%,证明了CNNCIFG-Attention模型的可行性。
关键词
情感分类
混合网络模型
卷积神经网络
特征提取
耦合输入和遗忘门网络
注意力机制
权重分配
准确率
f-score数值
Keywords
sentiment classification
hybrid network model
convolutional neural network
feature extraction
coupled input and forget gate network
attention model
weight distribution
accuracy
f-score
value
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于注意力机制双通道复合模型的文本情感分类
邹波蓉
王一丞
王伟东
侯庆华
武会斌
《河南理工大学学报(自然科学版)》
CAS
北大核心
2022
2
下载PDF
职称材料
2
基于CNNCIFG-Attention模型的文本情感分类
李辉
王一丞
《电子科技》
2022
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部