基于BERT和卷积神经网络的网络文本情感分析

摘要：

为实现网络评论文本的情感倾向性分析,针对传统情感分析方法不能充分提取文本特征、文本预训练不准确、词向量无法利用上下文信息和无法解决一词多义的问题,论文提出一种将BERT预训练模型与卷积神经网络融合的BERT-CNN模型.该模型首先使用BERT预训练提取网络文本的情感特征表示,然后卷积层利用不同大小的卷积核提取各种长度的分词特征,最后池化、映射并输出分类结果.实验结果表明基于BERT和卷积神经网络融合的网络文本情感分析模型的F1值达到87.13%,显著优于其他传统模型.与传统模型相比,该模型Accuracy最高提升了10.18%.与BERT模型相比,该模型Accuracy、Precision、Recall、F1值也均有所提升.

关键词：深度学习、情感分析、BERT、卷积神经网络

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-10-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：101-104,214