基于RoBERTa-WWM的大学生论坛情感分析模型

摘要：

大学生论坛语句具有篇幅短、口语化、多流行用语等特点,传统的情感分析模型难以对其进行精准的语义特征表示,并且未充分关注语句的局部特征与上下文语境.提出一种基于RoBERTa-WWM的大学生情感分析模型.通过RoBERTa-WWM模型将论坛文本语句转化为语义特征表示,并将其输入到文本卷积神经网络中,以提取语句的局部语义特征,同时利用双向门控循环单元网络对局部语义特征进行双向处理,获得全面的上下文语义信息.在此基础上,通过Softmax分类器计算语句在情感标签中的概率向量,选择最大值表示的情感标签作为最终输出的情感标签.实验结果表明,相比RoBERTa-WWM、EK-INIT-CNN、BERT等模型,该模型在大学生论坛与NLPCC2014数据集上具有较优的分类性能,并且在大学生论坛数据集上宏平均精准率、宏平均召回率、宏平均F1值和微平均F1值分别为 89.43％、90.43％、90.12％和 92.48％.

关键词：深度学习、大学生情感分析、RoBERTa-WWM模型、文本卷积神经网络、双向门控循环单元网络

所属期刊栏目：48

分类号：TP391.1;TP18(计算技术、计算机技术)

资助基金：陕西省重点研发计划;西安市科技计划项目

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：292-298,305