|
|||||
|
|
| 基于特征融合的文本情感分类 | |
| 作者姓名： | 李清旭 张琛 成雪 |
| 作者单位： | 甘肃政法大学 网络空间安全学院 |
| 基金项目： | 国家社会科学基金项目，项目编号：16XXW006；甘肃省高等学校科研项目，项目编号：2015A-114。 |
| 摘 要： | 虽然卷积神经网络（CNN）可以提取局部特征，长短期记忆网络（LSTM）可以提取全局特征，它们都表现出了较好的分类效果，但CNN在获取文本的上下文全局信息方面有些不足，而LSTM容易忽略词语之间隐含的特征信息。因此，提出了用CNN_BiLSTM_Attention 并行模型进行文本情感分类。首先，使用CNN提取局部特征，同时BiLSTM提取带有上下文语义信息的全局特征，之后将两者提取的特征拼接在一起，进行特征融合。这样使得模型既能捕获局部短语级特征，又能捕获上下文结构信息，并对特征词的重要程度，利用注意力机制分配不同权重，进而提高模型的分类效果。通过与单一模型CNN、LSTM等深度神经网络模型的对比，本文所提的CNN_BiLSTM_Attention并行模型在综合评价指标F1 score 和准确率上都有提升，实验结果表明，本文所提模型在文本情感分类任务中取得了较好的结果，比其他神经网络模型有更好的实用价值。 |
| 点击此处可从《广东电脑与电讯》浏览原始摘要信息 | |
| 点击此处可从《广东电脑与电讯》下载全文 | |