基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对现有文本情感分析方法存在的无法高效捕捉相关文本情感特征从而造成情感分析效果不佳的问题,提出一种融合双层多头自注意力与卷积神经网络(CNN)的回归模型DLMA-CNN.采用多头自注意力机制学习序列内部的词依赖关系,从而捕获序列的内部结构.重利用浅层特征并与多头自注意力特征进行融合,结合深度学习中的CNN进一步优化文本情感极性分析效果.在基准数据集SemEval-2017 Task 5上进行实验,结果表明,与传统机器学习算法CNN、ELSTM、Att-BLSTM等相比,该模型取得了较好的情感极性分析效果,且运行效率较高.
推荐文章
基于自注意力机制的方面情感分类
方面词
情感分类
自注意力机制
语义编码
融合多头自注意力机制的语音增强方法
语音增强
深度神经网络
自注意力
多头注意力
门控循环单元
一种基于自注意力机制的组推荐方法
群组推荐
自注意力机制
协同过滤
深度学习
融合策略
具有全局特征的空间注意力机制
卷积神经网络
空间注意力机制
全局特征
特征融合
目标分类
目标检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 融合多头自注意力机制的金融新闻极性分析
来源期刊 计算机工程 学科 工学
关键词 金融文本 情感极性分析 多头自注意力机制 特征融合 深度学习
年,卷(期) 2020,(8) 所属期刊栏目 人工智能与模式识别
研究方向 页码范围 85-92
页数 8页 分类号 TP18
字数 6587字 语种 中文
DOI 10.19678/j.issn.1000-3428.0055117
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘渊 江南大学数字媒体学院 235 1325 17.0 25.0
5 宋设 2 0 0.0 0.0
6 赵亚南 江南大学数字媒体学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (45)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(6)
  • 参考文献(1)
  • 二级参考文献(5)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(7)
  • 参考文献(0)
  • 二级参考文献(7)
2015(5)
  • 参考文献(1)
  • 二级参考文献(4)
2017(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(7)
  • 参考文献(3)
  • 二级参考文献(4)
2019(2)
  • 参考文献(1)
  • 二级参考文献(1)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
金融文本
情感极性分析
多头自注意力机制
特征融合
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
论文1v1指导