基于多跳动态记忆网络和情感词典的情感分析模型

摘要：

[目的/意义]文本情感分析是自然语言处理的一大重要分支.论文结合了深度学习模型在特征提取方面的优势以及情感词典对网络词情感识别的敏感性,提出了一种将动态记忆网络和情感词典方法相结合的网络文本情感分类模型.[方法/过程]在传统的动态记忆网络中设计情感问题向量,利用基于注意力机制的多跳结构识别并提取句子情感特征,同时构建扩充网络情感词的情感词典并将情感分值与多跳记忆网络所得情感分类结果进行线性加权,减少了对于情感词库的完备性、判断规则质量以及事先标注语料的依赖,提升了训练效率.[结果/结论]在WEIBO_SENTI_100K和NLPCC2013两个数据集上进行实验,证明与单个模型相比,论文模型在两个数据集上都获得了更好的分类效果.

关键词：动态记忆网络、情感词典、注意力机制、情感分析

所属期刊栏目：8

分类号：G35(情报学、情报工作)

资助基金：国家自然科学基金71871144

在线出版日期：2022-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：3-18