基于CNN-BiLSTM网络引入注意力模型的文本情感分析

• 作者: 刘昌辉 王丽亚 王梦 蔡敦波 赵彤洲
• 来源期刊: 武汉工程大学学报
• 学科: 工学
• 关键词: 卷积神经网络 CNN-BiLSTM 注意力机制 文本情感分析
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 机电与信息工程
• 页码范围: 386-391
• 页数: 6页
• 分类号: TP391
• 字数: 4270字
• 语种: 中文
• DOI: 10.3969/j.issn.1674?2869.2019.04.016

摘要

为了解决单一卷积神经网络(CNN)缺乏利用文本上下文信息的能力和简单循环神经网络(RNN)无法解决长时依赖的问题,提出CNN-BiLSTM网络引入注意力模型的文本情感分析方法.首先利用CNN的特征强学习能力提取局部特征,再利用双向长短时记忆网络(BiLSTM)提取上下文相关特征的能力进行深度学习,最后,增加注意力层获取重要特征,使模型提取到有效的特征.在IMDB数据集上Accuracy值和均方根误差(RMSE)值分别达到90.34％和0.2967,在Twitter数据集上Accuracy值和RMSE值分别达到76.90％、0.4174,且模型时间代价小.结果表明,本文提出的模型有效提升了文本分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵彤洲	武汉工程大学计算机科学与工程学院	35	113	6.0	9.0
2	蔡敦波	武汉工程大学计算机科学与工程学院	27	83	5.0	8.0
3	刘昌辉	武汉工程大学计算机科学与工程学院	15	40	4.0	5.0
4	王丽亚	武汉工程大学计算机科学与工程学院	5	4	2.0	2.0
5	王梦	武汉工程大学计算机科学与工程学院	3	2	1.0	1.0