多重注意力特征融合网络对中文评价情感分析

摘要：

针对目前中文评价情感分析对深层情感语义信息关注较少的问题,提出一种多重注意力的特征融合神经网络模型简称MTA-CBG(Multi-Attention Convolution-BiGRU).传统词向量不能有效解决一词多义的情况,本文构建了自注意力(Self-At-tention)词向量矩阵模型,获取词语间的关联特征.通过多尺度宽卷积结构(Multi-scale Wide Convolution,MWC)全面地提取局部特征.将两种不同粒度的特征融合后输入双向门限循环单元(Bidirectional Gated Reccurrent Unit,BiGRU)学习序列化特征,在解决长距离依赖问题的同时获取更广泛的文本特征.最后输入改进的高速注意力层(Attention-Highway)构建句子级的关联,提取深层情感语义特征.通过多组对比实验证明本文所提方法能有效提高中文评价情感分析的准确率和F1值.

关键词：多重注意力;特征融合;多尺度宽卷积;双向门限循环单元;高速注意力层

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：国家社科基金西部项目17XXW005

在线出版日期：2021-09-01（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：1633-1638