基于词向量技术和混合神经网络的情感分析

摘要：

情感分析是近些年自然语言处理的一个研究热点,一方面以word2vec为代表的预处理词向量技术得到了广泛应用,通过融合情感标签获得word2vec-ST词向量来提取句子的语义和情感信息并达到了较好的效果,另一方面,LSTM作为RNN的衍生模型已经成熟地应用到自然语言处理的模型构建当中,但LSTM在短文本和训练语料相对有限的情况下并没有展现出应有的优势,因此,借助于CNN在捕捉局部信息上的优势,提出了一种融合LSTM和CNN的注意力模型网络来提取文本的上下文信息,并通过实现attention机制的BILSTM来替代LSTM得到AT-BL&C模型进而达到了更好的效果.对比分析了LSTM和CNN的两种融合方式,并在标准数据集上进行了比较.实验结果表明,以融合情感信息的word2vec-ST为词向量层基础,AT-BL&C确实获得了更好的准确率和F值.

关键词：情感分析、深度学习、词向量、LSTM

所属期刊栏目：35

分类号：TP391.1(计算技术、计算机技术)

在线出版日期：2019-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3556-3559,3574