基于深度学习的文本情感分析

• 作者: 李丽华 胡小龙
• 来源期刊: 湖北大学学报（自然科学版）
• 学科: 工学
• 关键词: CNN BI-LSTM Self-Attention 情感分析 FastText向量
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 深度学习技术研究专栏
• 页码范围: 142-149
• 页数: 8页
• 分类号: TP391.1
• 字数: 6105字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2375.2020.02.004

摘要

传统的文本情感分析主要基于情感词典、机器学习以及传统的神经网络模型等实现特征的提取及情感的分类,但由于语料简短及特征稀疏,使得这类情感分析方法取得的效果不理想.因此,提出采用基于Self-Attention机制的卷积神经网络(CNN)和双向长短时记忆网络(BI-LSTM)相结合的模型结构(SCBILSTM模型)对微博文本进行情感分析,SCBILSTM利用双向循环神经网络对文本上下文进行特征提取,并利用CNN进行局部特征提取,在此基础上添加自注意力机制,在通过网络爬虫抓取的微博数据集上和其他模型进行对比实验,验证本文中所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	胡小龙	中南大学计算机学院	46	337	11.0	16.0
2	李丽华	中南大学计算机学院	11	64	3.0	8.0