基于多特征和深度神经网络的维吾尔文情感分类

• 作者: 买买提阿依甫 吾守尔·斯拉木 帕丽旦·木合塔尔 杨文忠 艾斯卡尔·艾木都拉
• 来源期刊: 计算机应用研究
• 关键词: 情感分类 双向长短记忆网络 卷积神经网络 注意力机制 维吾尔语
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1368-1374,1379
• 页数: 8页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.10.0809

摘要

针对传统机器学习的情感分类方法存在长距离依赖问题与深度学习存在忽略情感词库的弊端,提出了一种基于注意力机制与双向长短记忆网络和卷积神经网络模型相结合的维吾尔文情感分类方法.将多特征拼接向量作为双向长短记忆网络的输入来捕获文本上下文信息,使用注意力机制和卷积网络获取文本隐藏情感特征信息,有效增强了对文本情感语义的捕获能力.实验结果表明,该方法在二分类和五分类情感数据集上的F1值相比于机器学习方法分别提高了5.59％和7.73％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨文忠	新疆大学信息科学与工程学院	68	208	7.0	12.0
2	艾斯卡尔·艾木都拉	新疆大学信息科学与工程学院	170	561	11.0	15.0
3	吾守尔·斯拉木	新疆大学信息科学与工程学院	148	619	13.0	18.0
4	帕丽旦·木合塔尔	新疆大学信息科学与工程学院	10	18	2.0	4.0
5	买买提阿依甫	新疆大学信息科学与工程学院	10	17	2.0	4.0