基于双重注意力模型的微博情感倾向性分析

• 作者: 罗春春 郝晓燕
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 双向长短期记忆网络 双重注意力模型 情感倾向性分析 新浪微博 微博标签
• 年，卷（期）: 2020,（2）
• 页码范围: 236-243
• 页数: 8页
• 分类号: TP391.1
• 字数: 5560字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2020.02.009

摘要

在现有的微博情感倾向性分析任务中,微博标签往往被视为噪声信息,在数据预处理阶段就被剔除.但微博标签蕴含着微博内容的关键信息,所以标签的剔除对于微博的情感倾向性分析是不利的.针对该问题,充分考虑微博的文本特点,提出一种基于双重注意力的情感分析模型.采用Bi-LSTM (Bi-directional Long Short-Term Memory)分别构建微博文本和微博标签的语义表示,采用双重注意力机制同时对微博的正文层和微博的标签层进行语义编码,提取出文本中的关键信息.最后,基于所构建的语义表示训练情感分类模型.实验结果表明,该模型在微博情感倾向性分析上取得了较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝晓燕	太原理工大学信息与计算机学院	22	197	7.0	13.0
2	罗春春	太原理工大学信息与计算机学院	1	0	0.0	0.0