針對傳統(tǒng)機器學習的情感分類方法存在長距離依賴問題與深度學習存在忽略情感詞庫的弊端,提出了一種基于注意力機制與雙向長短記憶網(wǎng)絡和卷積神經(jīng)網(wǎng)絡模型相結合的維吾爾文情感分類方法。將多特征拼接向量作為雙向長短記憶網(wǎng)絡的輸入來捕獲文本上下文信息,使用注意力機制和卷積網(wǎng)絡獲取文本隱藏情感特征信息,有效增強了對文本情感語義的捕獲能力。實驗結果表明,該方法在二分類和五分類情感數(shù)據(jù)集上的F1值相比于機器學習方法分別提高了5. 59%和7. 73%。 

【文章來源】：計算機應用研究. 2020,37(05)北大核心

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 相關工作
    1.1 注意力機制
    1.2 神經(jīng)網(wǎng)絡
2 方法
    2.1 詞向量表示層
        2.1.1 詞向量
        2.1.2 詞性向量
        2.1.3 音節(jié)向量
        2.1.4 情感詞位置向量
    2.2 Bi LSTM網(wǎng)絡層
        2.2.1 長短期記憶單元LSTM
        2.2.2 雙向長短期記憶網(wǎng)絡
    2.3 注意力層
    2.4 CNN層
    2.5 情感計算層
    2.6 模型訓練
3 實驗準備
    3.1 情感詞庫的構建
    3.2 情感分析數(shù)據(jù)集
    3.3 評價指標
    3.4 數(shù)據(jù)預處理
    3.5 實驗參數(shù)設置
    3.6 實驗對比模型
4 實驗結果及分析
    4.1 神經(jīng)網(wǎng)絡方法與基準方法對比實驗
    4.2 多特征對情感分類的影響
    4.3 網(wǎng)絡參數(shù)對情感分類的影響
5 結束語


【參考文獻】：
期刊論文
[1]文本情感傾向性分析方法:bfsmPMI-SVM[J]. 劉金碩,李哲,葉馨,陳嘉敏,鄧娟.  武漢大學學報(理學版). 2017(03)
[2]Study of Sentiment Classification for Chinese Microblog Based on Recurrent Neural Network[J]. ZHANG Yangsen,JIANG Yuru,TONG Yixuan.  Chinese Journal of Electronics. 2016(04)
[3]文本情感分析[J]. 趙妍妍,秦兵,劉挺.  軟件學報. 2010(08)



本文編號：3002682