基于高斯分布引导位置相关性权重的情感分类

摘要：

针对当前情感分类方法通常忽略不同单词之间相对位置特征,导致模型难以学习到单词的最佳位置表示.为了解决这一问题,提出一种基于高斯分布引导位置相关性权重的情感分类算法.首先,计算每个单词与其他单词之间的位置相关性;其次,利用改进的高斯分布函数对位置相关性进行建模,并将其结果与单词的特征向量相乘,以生成单词的位置感知表示;最后,将算法集成到传统模型中以验证其有效性.实验结果表明,所提方法较传统模型获得了更高的准确率,在域内、域外和对抗评估指标上分别提高了 2.98％、5.02％和10.55％,表明其具有较好的实用价值.

关键词：位置权重、距离特征、情感分类、自然语言处理

所属期刊栏目：32

分类号：TP391;TH126.2;TN929.5

资助基金：山东省自然科学基金;山东省自然科学基金

在线出版日期：2023-11-15（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：232-239