基于GLU-CNN和Attention-BiLSTM的神经网络情感倾向性分析

• 作者: 丁宇 孙承爱 田刚
• 来源期刊: 软件
• 学科: 工学
• 关键词: Attention BiLSTM GLU CNN 情感分析
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 基金项目论文
• 页码范围: 62-66
• 页数: 5页
• 分类号: TP391.1
• 字数: 3012字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2019.07.011

摘要

情感分析是自然语言处理领域(NLP)中重要的语义处理任务,目前处理NLP任务的两大主流模型是卷积神经网络(CNN)和循环神经网络(RNN)以及他们的变体.由于自然语言在结构上存在依赖关系,且重要信息可能出现在句子的任何位置.RNN可能会忽略为了解决这些问题,我们提出了一种新的模型ABGC,将Attention机制加入到BiLSTM中,可以更好捕获句子中最重要的局部信息,同时融合添加GLU(非线性单元)的卷积神经网络(CNN),可以更好捕捉文本的全局信息,然后将两种模型提取到的特征融合,既有效避免了LSTM的梯度消失问题,又解决了CNN忽略上下文语义的问题.我们在两种数据集上进行对比实验,实验结果表明ABGC模型可以有效提高文本分类准确率,同时减少运行时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田刚	山东科技大学计算机科学与工程学院	16	131	5.0	11.0
2	孙承爱	山东科技大学计算机科学与工程学院	22	103	6.0	9.0
3	丁宇	山东科技大学计算机科学与工程学院	1	3	1.0	1.0