用于目标情感分类的多跳注意力深度模型

摘要：

文本情感分类是近年来自然语言处理领域的研究热点,旨在对文本蕴含的主观倾向进行分析,其中,基于特定目标的细粒度情感分类问题正受到越来越多的关注.在传统的深度模型中加入注意力机制,可以使分类性能显著提升.针对中文的语言特点,提出一种结合多跳注意力机制和卷积神经网络的深度模型(MHA-CNN).该模型利用多维组合特征弥补一维特征注意力机制的不足,可以在没有任何先验知识的情况下,获取更深层次的目标情感特征信息.相对基于注意力机制的LSTM网络,该模型训练时间开销更小,并能保留特征的局部词序信息.最后在一个网络公开中文数据集(包含6类领域数据)上进行实验,取得了比普通深度网络模型、基于注意力机制的LSTM模型以及基于注意力机制的深度记忆网络模型更好的分类效果.

关键词：目标情感分类、注意力机制、卷积神经网络、深度学习、自然语言处理

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61502082;中央高校基本科研业务费ZYGX2014J065

在线出版日期：2019-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：759-766