基于用户和产品Attention机制的层次BGRU模型

• 作者: 丁立新 万润泽 郑雄风
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 文本情感分类 注意力机制 奇异值分解 双向门循环单元
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 145-152
• 页数: 8页
• 分类号: TP18
• 字数: 7289字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1701-0337

摘要

文本情感分类的核心问题是如何有效地表示文本的情感语义,然而,目前的大多数方法只考虑到了文本内容中的情感语义,忽略了与文本内容相关的用户信息以及文本内容所描述的产品信息.已有的包含用户和产品信息方法也存在着以下两个问题:(1)不能有效地表示用户和产品信息,而且模型复杂度过高导致训练速度满.(2)文本情感语义表示模型过于简单,不能有效地表示文本中的上下文语义信息.针对以上两个问题,提出了相应的解决方案:(1)针对用户和产品的评价数据,利用奇异值分解(Singular Value Decomposition,SVD)的方法得到用户和产品的语义准确的先验信息,同时避免了用户和产品信息等相关参数的训练,缓解了模型复杂度高的问题.(2)利用双向的门循环单元(GRU)模型代替原有的简单模型,更加有效地结合了文本中的上下文语义信息.实验结果表明:相比传统的文本分类方法,提出的方法有更好的分类效果,在部分实验数据中达到了最好的分类准确度.同时模型的训练速度也得到了提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁立新	武汉大学计算机学院	62	641	13.0	22.0
2	万润泽	武汉大学计算机学院	5	38	2.0	5.0
3	郑雄风	武汉大学计算机学院	2	11	1.0	2.0