10.19322/j.cnki.issn.1006-4710.2021.01.016
融合TCN与BiLSTM+Attention模型的疫情期间文本情感分析
鉴于目前主流的文本情感分析方法存在难以解决长期依赖和对上下文信息使用不足的缺陷,本文首次提出将时序卷积网络(TCN)和BiLSTM+Attention模型融合的文本情感分析模型.该模型利用TCN的因果卷积和扩张卷积结构获取更高层次的文本序列特征,并通过双向长短期记忆网络(BiLSTM)进一步学习上下文相关信息的情感特征;最后,引入自注意力机制(Self-Attention)帮助模型优化特征向量,提高情感分类的准确度.在新型冠状病毒疫情期间的微博文本数据集上进行对比实验,结果表明该模型的性能相较于其它模型有明显的提升.
文本情感分析、时序卷积网络、双向长短期记忆网络、自注意力机制、疫情期间微博文本
37
TP391(计算技术、计算机技术)
国家自然科学基金61862040
2021-06-03(万方平台首次上网日期,不代表论文的发表时间)
共9页
113-121