基于多通道深度学习网络的混合语言短文本情感分类方法

摘要：

相比于单一语言的短文本情感分类而言,混合语言由于其表达情感的单词语言不唯一,语法结构复杂,仅使用传统词嵌入的方法无法使分类器学到足够有用的特征,导致分类效果不佳.针对这些问题,提出一种融合字词特征的双通道复合模型.首先,针对数据集不平衡问题,提出一种基于Bert语义相似度的数据集欠采样算法;其次,构建双通道深度学习网络,分别将以字、词方式嵌入的原始数据通过两个通道送入CNN和带有注意力机制的LSTM组成的模块中进行多粒度特征提取;最后融合多通道的特征进行分类.在NLPCC2018任务1公布的混合语言五分类数据集上的实验表明,该模型的整体性能较目前有代表性的深度学习模型有进一步提高.

关键词：混合语言短文本、多通道、注意力机制、融合特征

所属期刊栏目：38

分类号：TPN26

资助基金：湖北省自然科学基金资助项目2019CFC919

在线出版日期：2021-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：69-74