文档名：融合注意力机制的混合神经网络文本情感分析模型
摘要：以往的文本情感分析模型存在忽略文本边缘信息、池化层破坏文本序列特征的问题,并且特征提取能力与识别关键信息的能力也存在不足.为了进一步提升情感分析的效果,提出了一种基于注意力机制的动态卷积神经网络(DynamicConvolutionalNeuralNetwork,DCNN)与双向门控循环单元(Bi-directionalGatedRecurrentUnit,BiGRU)的文本情感分析模型DCNN-BiGRU-Att.首先,利用宽卷积核提取文本边缘特征,采用动态k-max池化保留了文本的相对位置序列特征.其次,构建了DCNN与BiGRU的并行混合结构,避免了部分特征损失问题,并同时保留局部特征与全局上下文信息两种特征,提高了模型的特征提取能力.最后,在特征融合之后引入注意力机制,将注意力机制的作用全局化,提高了模型识别关键信息的能力.将该模型在MR与SST-2两个公开数据集上与多个深度学习模型进行对比,其准确率分别提高了1.27%和1.07%,充分证明了该模型的合理有效性.
作者：孔韦韦 田乔鑫 滕金保 王照乾 常亮 Author：KONGWeiwei TIANQiaoxin TENGJinbao WANGZhaoqian CHANGLiang
作者单位：西安邮电大学计算机学院,西安710121;桂林电子科技大学广西可信软件重点实验室,广西桂林541004西安邮电大学计算机学院,西安710121桂林电子科技大学广西可信软件重点实验室,广西桂林541004
刊名：电讯技术 ISTICPKU
Journal：TelecommunicationEngineering
年，卷(期)：2023, 63(6)
分类号：TP391.1
关键词：文本情感分析 双向门控循环单元(BiGRU) 动态卷积神经网络(DCNN) 注意力机制 特征融合
机标分类号：TP391TP183F592.7
在线出版日期：2023年7月5日
基金项目：国家自然科学基金，国家自然科学基金，广西可信软件重点实验室研究课题融合注意力机制的混合神经网络文本情感分析模型[
期刊论文] 电讯技术--2023, 63(6)孔韦韦 田乔鑫 滕金保 王照乾 常亮以往的文本情感分析模型存在忽略文本边缘信息、池化层破坏文本序列特征的问题,并且特征提取能力与识别关键信息的能力也存在不足.为了进一步提升情感分析的效果,提出了一种基于注意力机制的动态卷积神经网络(DynamicCo...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
融合注意力机制的混合神经网络文本情感分析模型 A Hybrid Neural Network Text Sentiment Analysis Model with Attention Mechanism
融合注意力机制的混合神经网络文本情感分析模型.pdf
- 文件大小:
- 2.43 MB
- 下载次数:
- 60
-
高速下载
|
