基于多特征LSTM-Self-Attention文本情感分类

摘要：

针对自然语言处理情感分析领域中情感分类的问题,提出了一种基于多特征LSTM-Self-Attention的文本情感分类方法.方法 以词向量和词性向量为输入,利用LSTM网络模型提取文本的序列特征,并通过在模型中引入自注意力机制(self-attention),从序列特征中提取出句子的语法和语义特征,减少了任务的复杂度.上述方法避免了传统循环神经网络存在的梯度消失和梯度爆炸的问题,极大缩短单词长距离依赖特征之间的距离,提高了分类效果.最后使用中文电影评论数据集进行实验验证,结果表明该方法特征提取能力更强,使得情感分类的准确率提升了1.74％.

关键词：情感分类;长短时间记忆网络模型;自注意力机制;词性向量

所属期刊栏目：38

分类号：TP183(自动化基础理论)

在线出版日期：2021-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：479-484,489