基于AT-DPCNN模型的情感分析研究

• 作者: 师阳 张春霞 杨杰 高玮军
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 情感分析 注意力机制 损失函数
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 53-60
• 页数: 8页
• 分类号: TP18
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055950

摘要

情感分析是自然语言处理领域的一个重要分支,卷积神经网络(CNN)在文本情感分析方面取得了较好的效果,但其未充分提取文本信息中的关键情感信息.为此,建立一种基于注意力机制的深度学习模型AT-DPCNN.利用注意力矩阵重点关注文本序列中对情感走向影响较大的部分,通过对提取到的注意力特征矩阵与原文本词向量进行运算得到注意力输入矩阵,并利用CNN再次提取文本特征.同时为了更好地提取转折等复杂句式的特征,在池化层进行分池操作.在多个不同类型数据集上的测试结果表明,该模型具有较高的泛化性能,处理转折等复杂句式时其分类准确率和Fl值相对WACNN、HAN等模型均有明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高玮军		15	41	5.0	5.0
2	张春霞		5	0	0.0	0.0
3	杨杰		8	10	2.0	3.0
4	师阳		3	0	0.0	0.0