基于并行混合网络与注意力机制的文本情感分析模型

摘要：

现有基于深度学习和神经网络的文本情感分析模型通常存在文本特征提取不全面,且未考虑关键信息对文本情感倾向的影响等问题.基于并行混合网络与双路注意力机制,提出一种改进的文本情感分析模型.根据不同神经网络的特点分别采用GloVe和Word2vec两种词向量训练工具将文本向量化,得到更丰富的文本信息.将两种不同的词向量并行输入由双向门控循环单元与卷积神经网络构建的并行混合网络,同时提取上下文全局特征与局部特征,提高模型的特征提取能力.使用双路注意力机制分别对全局特征和局部特征中的关键信息进行加强处理及特征融合,增强模型识别关键信息的能力.将融合后的整个文本特征输入全连接层,实现最终的情感极性分类.在IMDb和SST-2公开数据集上的实验结果表明,该模型的分类准确率分别达到91.73％和91.16％,相比于同类文本情感分析模型有不同程度的提升,从而证明了双路注意力机制可以更全面地捕获文本中的关键信息,提高文本情感分类效果.

关键词：自然语言处理、文本情感分析、双向门控循环单元、卷积神经网络、双路注意力机制、特征融合

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;国家自然科学基金

在线出版日期：2022-09-05（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：266-273