基于注意力机制和Parallel DenseNet的文本情感分析

摘要：

针对现有模型全局特征和局部特征对情感分析贡献度是一样,或只能提取局部特征的问题,文章基于Parallel DenseNet提出了一种融合注意力机制和Parallel DenseNet的ATT-Parallel DenseNet文本情感分析模型.该模型首先在数据预处理阶段将把停顿词和换行符这类多余的符号词语清理掉,将大小写不一致的词语换成统一的小写字符;其次将处理好的数据通过Word2Vector进行向量化即生成词向量阶段;接着将词向量放入分类器中两个特征提取模块进行处理提取出重要特征,然后通过attention模块为提取的特征分配权值,最后通过全连接层和Softmax层得到分类结果.该模型不仅可以同时提取文本的局部特征和全局特征,还可以为局部特征和全局特征设置学习不同的权值,以期待得到最好的文本情感分析效果.在公开数据集上进行实验,结果证明该算法能有效提高情感分析的性能.

关键词：注意力机制、融合机制、文本情感分析

所属期刊栏目：19

分类号：TP391.9;TP183;H313

在线出版日期：2022-08-22（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：140-144