基于特征融合的中文新闻文本情感分类方法研究

摘要：

针对现有的新闻文本情感分析任务中,单一模型提取文本特征的片面性,且无法充分提取新闻文本语义等特征问题,提出一种基于门控单元特征融合的BERT?CNN情感分析方法.该方法分别采用BERT语言预训练模型与卷积神经网络(CNN)对新闻文本的特征向量进行提取;然后采用门控循环单元对提取到的文本特征进行特征融合;再输入到Softmax层进行新闻文本分类;最后从精准率、召回率和F1?Score三个维度对比BERT、BERT?CNN、BERT?DPCNN和BERT?ERNIE的实验结果.实验结果表明,当分类场景更换为情感识别时,BERT?CNN依旧具有强大的语义捕捉能力,证明了BERT?CNN的泛化能力;另外,从原BERT的提升效果看,基于门控单元特征融合的BERT?CNN方法(提升2.07％)比词向量的方法(提升0.31％)更高.这一结果也证明了基于门控单元特征融合的BERT?CNN方法的有效性.

关键词：情感分析、文本特征提取、特征融合、文本分类、情感识别、语义捕捉

所属期刊栏目：46

分类号：TN911⁃34;TP391

资助基金：国家自然科学基金61732005

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：62-68