引入注意力机制的BiGRU-CNN情感分类模型

摘要：

自然语言处理中采用提取用户评论中的情感信息来进行情感分类的研究,但在现有的方法中很多只考虑了评论中的文本信息,而忽略了用户特征和产品特征在决定评论的情感时发挥的作用.因此,为了解决上述问题,本文提出一种引入注意力机制(Attention Mechanism,AM),将双向门控递归单元(Bidirectional Gated Recurrent Unit,BiGRU)和卷积神经网络(Convolu-tional Neural Network,CNN)相联合的文本情感分类模型.本模型首先利用BiGRU进行序列化学习,然后引入注意力机制将较大的权重赋予给相关的特征,之后将其作为CNN的输入来提取评论文本中的特征,从而充分结合了文本的时间序列信息和局部上下文信息,将最大池应用于连接向量,分别得到用户评论文本与产品文本的特征表示,并将两者进行结合得到最终的文本特征进行分类.经实验结果表明,该模型对评论文本情感分类的作用是很大的.

关键词：自然语言处理、情感分类、注意力机制、双向门控神经网络、卷积神经网络

所属期刊栏目：41

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 61772451

在线出版日期：2020-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1602-1607