层次化双注意力神经网络模型的情感分析研究

摘要：

在篇章级的情感分类中由于篇章级文本较长,特征提取较普通句子级分析相对较难,大多方法使用层次化的模型进行篇章文本的情感分析,但目前的层次化模型多以循环神经网络和注意力机制为主,单一的循环神经网络结构提取的特征不够明显.本文针对篇章级的情感分类任务,提出一种层次化双注意力神经网络模型.首先对卷积神经网络进行改进,构建词注意力卷积神经网络.然后模型从两个层次依次提取篇章特征,第一层次使注意力卷积神经网络发现每个句子中的重要词汇,提取句子的词特征,构建句子特征向量;第二层次以循环神经网络获取整个篇章的语义表示,全局注意力机制发现篇章中每个句子的重要性,分配以不同的权重,最后构建篇章的整体语义表示.在IMDB、YELP 2013、YELP 2014数据集上的实验表明,模型较当前最好的模型更具优越性.

关键词：情感分析、注意力机制、卷积神经网络、情感分类、循环神经网络、词向量、深度学习、特征选取

所属期刊栏目：15

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61772211,61503143

在线出版日期：2020-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：460-467