基于动态池化和注意力的文本情感极性分类

摘要：

为提取到评论文本的深层次特征和关联特征,设计一种基于动态池化和注意力机制的情感极性分类方法.学习评论文本的两种表示向量,即情感向量和句法向量;将基于滑动窗口的注意力机制和卷积层相结合,采用该模型获取到包含文本上下文的关联特征向量,实现向量之间的信息融合,解决向量特征表示无关的问题;基于动态池化层和注意力机制对特征重新加权,提取文本更高层次的抽象特征,其中,多次的动态池化操作学习到文本的深层次特征;采用softmax分类方法进行情感极性分类.实验结果表明,根据准确率、召回率和F值等衡量指标,基于动态池化和注意力机制的特征提取模型性能比普通的卷积神经网络和基于单注意力机制的卷积神经网络有明显的提高.

关键词：句法向量、情感向量、动态池化、注意力模型、情感极性分类

所属期刊栏目：40

分类号：TP181;TP391.1(自动化基础理论)

资助基金：广西高校云计算与复杂系统重点实验室基金项目yf17106;广西自然科学基金项目2018GXNSFAA138132;桂林电子科技大学研究生创新基金项目2017YJCX47

在线出版日期：2019-06-27（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：1126-1132