基于Bi-LSTMA-CNNA的线上评论情感分析模型
基于深度学习的文本情感分析是目前自然语言处理研究的重要方向,在卷积神经网络、双向长短期记忆网络的基础上提出一种性能优于前面两种算法的情感分析算法.改进后的情感分析算法结合传统的深度学习结构,将双向长短期记忆网络、卷积神经网络以及注意力机制相结合,其中双向长短期记忆网络与注意力机制相结合的部分主要用来提取全局特征,并对目标词重点关注;卷积神经网络与注意力机制相结合的部分主要用来提取局部重要特征;最后将两部分特征相融合再进行分类.实验结果表明在对线上评论情感分析时,CNN模型的F1为0.7939、Bi-LSTM的F1为0.7959、Bi-LSTM-Attention的F1为0.7998、Bi-LSTMA-CNNA的F1为0.8028;因此改进后的模型性能优于其他3个模型.
双向长短期记忆网络、卷积神经网络、注意力机制
44
TP183;TP391.1(自动化基础理论)
中央高校基本科研业务费CCNU20TS010
2021-07-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
83-86