融合情感符号的自注意力BLSTM情感分析

• 作者: 刘臣 方结 郝宇辰
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 情感分析 情感符号 注意力机制 双向长短期记忆网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 39-43
• 页数: 5页
• 分类号: TP301
• 字数: 5381字
• 语种: 中文
• DOI: 10.11907/rjdk.191707

摘要

利用深度学习方法进行情感分析时,将文本作为一个整体进行编码,缺乏对表情符号与情感词的有效关注.而传统基于词典的方法则过分依赖于情感词典与判断规则的质量,不能充分考虑文本深层语义关系.针对该问题,构建融合表情符号与情感词的自注意力模型.通过BLSTM训练得到情感符号,并与文本特征向量融合,同时引入结构化自注意力机制识别文本中不同情感符号的情感信息.在NLPCC2014和微博公开语料数据集上的实验表明,相较传统情感分析方法,该模型可有效提高情感分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘臣	上海理工大学管理学院	34	207	8.0	13.0
2	郝宇辰	上海理工大学管理学院	2	0	0.0	0.0
3	方结	上海理工大学管理学院	1	0	0.0	0.0