融合卷积神经网络与层次化注意力网络的中文文本情感倾向性分析

• 作者: 叶子铭 张光河 张强 王明文 程艳
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 卷积神经网络 层次化注意力网络 情感倾向性分析 词向量
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 情感分析与社会计算
• 页码范围: 133-142
• 页数: 10页
• 分类号: TP391
• 字数: 8824字
• 语种: 中文

摘要

文本情感倾向性分析是自然语言处理研究领域的一个基础问题.基于深度学习的模型是处理此问题的常用模型.而当前的多数深度学习模型在中文文本情感倾向性分析方面的应用存在两个问题:一是未能充分考虑到文本的层次化结构对情感倾向性判定的重要作用,二是传统的分词技术在处理文本时会产生歧义.该文针对这些问题基于卷积神经网络与层次化注意力网络的优点提出了一种深度学习模型C-HAN(Convolutional Neural Net-work-based and Hierarchical Attention Network-based Chinese Sentiment Classification Model),先用并行化卷积层学习词向量间的联系与组合形式,再将其结果输入到基本单元为双向循环神经网络的层次化注意力网络中判定情感倾向.实验表明:模型在中文评论数据集上倾向性分类准确率达到92.34％,和现有多个情感分析模型相比有所提升;此外,对于中文文本,选择使用字级别词向量作为原始特征会优于词级别词向量作为原始特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张光河	江西师范大学计算机信息工程学院	11	41	3.0	6.0
2	王明文	江西师范大学计算机信息工程学院	115	1470	19.0	34.0
3	程艳	江西师范大学计算机信息工程学院	26	63	5.0	6.0
4	张强	江西师范大学计算机信息工程学院	2	22	2.0	2.0
5	叶子铭	江西师范大学计算机信息工程学院	1	6	1.0	1.0