用于目标情感分类的多跳注意力深度模型

• 作者: 李晓瑜 林奕欧 邓钰 雷航
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 目标情感分类 注意力机制 卷积神经网络 深度学习 自然语言处理
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 759-766
• 页数: 8页
• 分类号: TP391
• 字数: 7933字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2019.05.016

摘要

文本情感分类是近年来自然语言处理领域的研究热点,旨在对文本蕴含的主观倾向进行分析,其中,基于特定目标的细粒度情感分类问题正受到越来越多的关注.在传统的深度模型中加入注意力机制,可以使分类性能显著提升.针对中文的语言特点,提出一种结合多跳注意力机制和卷积神经网络的深度模型(MHA-CNN).该模型利用多维组合特征弥补一维特征注意力机制的不足,可以在没有任何先验知识的情况下,获取更深层次的目标情感特征信息.相对基于注意力机制的LSTM网络,该模型训练时间开销更小,并能保留特征的局部词序信息.最后在一个网络公开中文数据集(包含6类领域数据)上进行实验,取得了比普通深度网络模型、基于注意力机制的LSTM模型以及基于注意力机制的深度记忆网络模型更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷航	电子科技大学信息与软件工程学院	92	1434	17.0	35.0
2	李晓瑜	电子科技大学信息与软件工程学院	19	150	5.0	12.0
3	林奕欧	电子科技大学信息与软件工程学院	2	52	1.0	2.0
4	邓钰	电子科技大学信息与软件工程学院	1	0	0.0	0.0