声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：程艳,尧磊波,张光河,唐天伟,项国雄,陈豪迈,冯悦,蔡壮,
关键词：卷积神经网络, 文本情感倾向性分析, 双向门控循环单元, 注意力机制, 多通道,
近年来，卷积神经网络(convolutionalneuralnetwork,CNN)和循环神经网络(recurrentneuralnetwork,RNN)已在文本情感分析领域得到广泛应用，并取得了不错的效果.然而，文本之间存在上下文依赖问题，虽然CNN能提取到句子连续词间的局部信息，但是会忽略词语之间上下文语义信息；双向门控循环单元(bidirectionalgatedrecurrentunit,BiGRU)网络不仅能够解决传统RNN模型存在的梯度消失或梯度爆炸问题，而且还能很好地弥补CNN不能有效提取长文本的上下文语义信息的缺陷，但却无法像CNN那样很好地提取句子局部特征.因此提出一种基于注意力机制的多通道CNN和双向门控循环单元(MC-AttCNN-AttBiGRU)的神经网络模型.该模型不仅能够通过注意力机制关注到句子中对情感极性分类重要的词语，而且结合了CNN提取文本局部特征和BiGRU网络提取长文本上下文语义信息的优势，提高了模型的文本特征提取能力.在谭松波酒店评论数据集和IMDB数据集上的实验结果表明：提出的模型相较于其他几种基线模型可以提取到更丰富的文本特征，可以取得比其他基线模型更好的分类效果.
来源：2020年第12期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。