一种加权词向量的混合网络文本情感分析方法

摘要：

针对文本中关键信息被忽略以及分类准确率不高的问题,提出一种加权word2vec的卷积神经网络(CNN)与ATT-BiGRU混合神经网络情感分析模型.由于word2vec生成的词向量无法突出文本关键词的作用,因此引入词频-逆文档频率(TF-IDF)算法计算词汇权重值.然后,将加权运算后的词向量输入CNN与ATT-BiGRU混合模型提取隐含特征.该模型通过卷积神经网络(CNN)和基于注意力机制的双向门限循环单元(ATT-BiGRU)分别提取文本特征,以此来提高文本的表示能力.多组实验对比结果表明,与其他算法相比较,该模型的分类准确率最高且耗费时间代价小.

关键词：TF-IDF、卷积神经网络、双向门限循环单元、情感分析

所属期刊栏目：34

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省教师教育课程改革研究项目

在线出版日期：2021-07-21（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：472-477