基于BiLSTM-ATT的微博用户情感分类研究

• 作者: 谢思雅 施一萍 胡佳玲 陈藩 刘瑾
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 词向量 双向长短时记忆网络 注意力机制 情感分类
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 研究与探讨
• 页码范围: 26-29
• 页数: 4页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)02-0026-04

摘要

针对目前微博平台的文本情感分类模型大多是对句子的词性、表情符号等进行情感分析而不了解用户本身的情感倾向且存在语义理解不足的问题,提出一种利用Word2Vec结合深度学习的方法对微博用户进行情感分类.使用Word2Vec中的Skip-Gram模型结合负采样对语料训练词向量,然后利用双向长短期记忆网络(BiLSTM)-ATT模型自动学习词向量中的情感信息,捕捉文本数据中最具代表性的特征,最后经过SoftMax层对微博用户的情感倾向进行分类.在NLPCC2013数据集上进行测试,同时做了5组对比试验.结果表明:所提出的模型AVP达到0.814,AVF1值达到0.831,且在词向量维度取150时效果最好.