基于门控注意力的双通道情感分析及应用

针对传统的基于深度学习的文本情感分类模型特征抽取不全面以及不能区分一词多义的问题，提出一种基于门控注意力的双通道情感分类模型BGA-DNet。该模型使用BERT预训练模型对文本数据进行处理，然后经过双通道网络提取文本特征，其中通道一利用TextCNN提取局部特征，通道二利用BiLSTM-Attention提取全局特征。同时引入门控注意力单元将部分无用的注意力信息过滤掉，并结合残差网络思想，确保双通道的输出在网络学习到饱和状态下保留原始编码信息。BGA-DNet在公开的酒店评论和餐饮评论两个数据集上进行实验评估，并与最新的情感分类方法进行对比，分别取得了准确率94.09%和91.82%的最佳效果。最后将BGA-DNet模型应用到真实的学生实验心得体会评价任务上，与其他方法相比准确率和F1值也是最高的。