层次化双注意力神经网络模型的情感分析研究

• 作者: 周武 曾碧卿 杨恒 王盛玉 韩旭丽
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 情感分析 注意力机制 卷积神经网络 情感分类 循环神经网络 词向量 深度学习 特征选取
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 自然语言处理与理解
• 页码范围: 460-467
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.201812017

摘要

在篇章级的情感分类中由于篇章级文本较长,特征提取较普通句子级分析相对较难,大多方法使用层次化的模型进行篇章文本的情感分析,但目前的层次化模型多以循环神经网络和注意力机制为主,单一的循环神经网络结构提取的特征不够明显.本文针对篇章级的情感分类任务,提出一种层次化双注意力神经网络模型.首先对卷积神经网络进行改进,构建词注意力卷积神经网络.然后模型从两个层次依次提取篇章特征,第一层次使注意力卷积神经网络发现每个句子中的重要词汇,提取句子的词特征,构建句子特征向量;第二层次以循环神经网络获取整个篇章的语义表示,全局注意力机制发现篇章中每个句子的重要性,分配以不同的权重,最后构建篇章的整体语义表示.在IMDB、YELP 2013、YELP 2014数据集上的实验表明,模型较当前最好的模型更具优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾碧卿		51	304	9.0	15.0
2	韩旭丽		7	18	2.0	4.0
3	周武		3	2	1.0	1.0
4	王盛玉		6	47	3.0	6.0
5	杨恒		3	23	2.0	3.0