10.16208/j.issn1000-7024.2020.06.024
基于自注意力的扩展卷积神经网络情感分类
针对现有文本情感分析方法在对文本中词位置、结合上下文以及深层次情感词提取中存在的不足,提出一种模型.利用扩展卷积网络将词或字符编码矩阵转化为向量;扩展卷积以并行卷积核实现增加词之间的位置信息,使词与词之间联系更加紧密;在模型中融合双向GRU网络增加下文信息的影响;利用自注意力机制分配深层次信息的权重,增加词在整句话中的语义信息;将不同权重的文本信息特征放入到softmax层进行文本分类.实验结果表明,该模型在数据集IMDB、SSTB上的准确率比同类模型更高.
情感分析、自注意力机制、扩展卷积神经网络、GRU、并行卷积核
41
TP183(自动化基础理论)
2020-06-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
1645-1651