一种基于深度学习的中文微博情感分析融合模型
随着网络信息技术的不断发展,文本挖掘与处理工作渐渐交由电脑执行,而情感分析便是这样的一种技术.作为一种自然语言处理方法,情感分析能够有效的分析出文本信息中所包含的主观意愿,在商品满意度调查、微博态度判别等方面都有着广阔的应用.本文首先对前人在情感分析方面的工作做了梳理,并针对传统的深度学习特征提取不充分的问题,提出了一种融合的深度学习模型.该模型首先通过双向长短期记忆网络(BiLSTM)提取文本的长距离时序特征,然后以此为输入,利用卷积神经网络(CNN)提取空间特征.进一步,利用一种双层注意力结构提取原文本的时序特征.最后将这两部分提取到的特征进行拼接送入全连接层,然后进行分类.实验结果表明:本文提出的模型相较于单独的传统模型和部分混合模型的准确度与F1值都有所提升,证明了本文所提出模型的有效性.
深度学习、文本情感分析、卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)、注意力机制
TP181(自动化基础理论)
2022-10-11（万方平台首次上网日期，不代表论文的发表时间）
共3页
151-153
