基于注意力机制和双通道神经网络的文本情感分析

深度学习网络对文本情感分析具有重要意义，通过神经网络可以深层次挖掘文本信息，捕获文本情感。针对单模型神经网络结构单一、无法充分提取文本特征的问题，首先提出一种融合注意力机制的双通道复合神经网络(Attention-DRNN)，在嵌入层利用word2vec方法进行层嵌入，融入注意力机制对输入词向量进行动态加权。其次，采用双通道结构，利用Text-CNN提取文本局部特征、Bi-LSTM提取文本全局特征，并进行特征融合。然后，通过softmax分类器进行分类。最后，在两个标准数据集上进行测试，通过与LSTM、Bi-LSTM、RNN、Text-CNN单模型神经网络进行对比实验。实验表明Attention-DRNN网络在情感分类任务上具有较好的效果。