基于字符级双通道复合网络的中文文本情感分析

摘要：

针对传统卷积神经网络(CNN)缺乏句子体系特征的表示,以及传统双向门限循环神经网络(BiGRU)缺乏提取深层次特征能力.以中文文本为研究对象,在字符级词向量的基础上提出双通道的CNN-BiGRU复合网络,同时引入注意力机制的模型进行情感分析.首先,在单通道上利用CNN提取深层次短语特征,利用BiGRU提取全局特征的能力深度学习短语体系特征,从而得到句子体系的特征表示;再通过增加注意力层进行有效特征筛选;最后,采用双通道结构的复合网络,丰富了特征信息,加强了模型的特征学习能力.在数据集上进行多组对比实验,该方法取得了92.73％的F1值结果,优于对照组,说明提出的模型能有效地提高文本分类的准确率.同时在单句测试上量化出模型优势,且实现了模型的实际应用能力.

关键词：卷积神经网络、双向门限循环神经网络、注意力机制、中文文本情感分析

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;武汉工程大学教育创新计划资助项目

在线出版日期：2020-10-26（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：2674-2678