基于Self-Attention和Bi-LSTM的中文短文本情感分析

• 作者: 吴小华 范婷婷 陈莉 魏甜甜
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 情感分析 字向量 自注意力机制 双向长短时记忆网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 情感分析与社会计算
• 页码范围: 100-107
• 页数: 8页
• 分类号: TP391
• 字数: 6214字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2019.06.015

摘要

短文本情感分析用于判断文本的情感极性,在商品评论、舆情监控等领域有重要应用.由于目前主流的基于词注意力机制的双向循环神经网络模型性能很大程度上依赖于分词的准确性,且注意力机制需较多的参数依赖,无法使模型更多的关注短文本的内部序列关系.针对上述问题,该文提出了基于字向量表示方法并结合Self-attention和BiLSTM的中文短文本情感分析算法.首先,对短文本进行字向量化表示,采用BiLSTM网络提取文本上下文关系特征,通过自注意力机制动态调整特征权重,Softmax分类器得到情感类别.在COAE 2014微博数据集和酒店评论数据集的实验结果表明,采用字向量文本表示方法较词向量更适合短文本,自注意力机制可以减少外部参数依赖,使模型能学到更多的文本自身关键特征,分类性能可分别提高1.15％ 和1.41％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈莉	西北大学信息科学与技术学院	67	651	17.0	22.0
2	魏甜甜	西北大学信息科学与技术学院	2	5	1.0	2.0
3	范婷婷	西北大学信息科学与技术学院	2	5	1.0	2.0
4	吴小华	西北大学信息科学与技术学院	2	5	1.0	2.0