基于深度学习的网络评论文本情感分析方法

在自然语言处理的众多研究领域中,文本的情感层面分析已成为一个备受瞩目的课题。针对情感分析任务中存在的文本向量表示语义不佳和特征提取不足导致分类不准确的问题,本研究提出了一种融合了RoBERTa-wwm-ext模型和多头注意力机制的深度学习文本分类框架RoBERTa-BiLSTM-Mutil-Head-Attention(RBM)。模型最初利用预训练的RoBERTa-wwm-ext语言模型捕获文本的动态特性;利用双向长短期记忆网络Bi-LSTM进一步提取文本更深层次的语义关系,将最后一个时序输出作为特征向量输入到多头注意力机制层;最后通过全连接层神经网络得到文本分类结果。经过一系列模型的对比测试,本研究提出的基于RBM的分类模型在ChnSentiCorp的网络评论文本集上实现了更高的准确度、精确率、召回率和F1值,且模型较好地提取了文本中字词的特征,提高了中文评论文本情感分析的效果。