基于BLSTM与方面注意力模块的情感分类方法

摘要：

基于方面的情感分析已广泛应用于文本信息挖掘,但在句子情感极性模糊或包含多个不同方面情感极性时难以准确提取特征信息,削弱了情感极性分类效果.为解决该问题,提出一种结合双向长短记忆网络和方面注意力模块的情感分类方法.利用多个方面注意力模块同时对不同方面进行独立训练,使每个方面信息与注意力操作互不影响,各自进行注意力参数的学习与调整,以充分提取特定方面的隐藏信息,从而更准确地识别不同方面的情感极性.在SemEval数据集上的实验结果表明,该方法相对现有的基准情感分析方法,可有效提升分类精确率、查全率与F1值,优化情感分类效果.

关键词：深度学习、基于方面的情感分析、循环神经网络、自然语言处理、注意力机制

所属期刊栏目：46

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61673124,61673126,61773128

在线出版日期：2020-04-21（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：60-65,72