结合ONLSTM-GCN和注意力机制的中文评论分类模型

• 作者: 邵党国 张潮 黄初升 相艳
• 来源期刊: 小型微型计算机系统
• 关键词: 句法依存 图卷积神经网络 注意力机制 ONLSTM 文本分类
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能与算法研究|Artificial Intelligence and Algorithms Research
• 页码范围: 1377-1381
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.07.005

摘要

中文文本情感分类的一个难点是未利用句法信息来做分类决策从而需要大量训练数据.针对现有深度学习方法在语义分析中效果显著但尚未充分利用句法信息的现状,本文提出一种基于句法依存融合ONLSTM-GCN-Attention(OG-ATT)的中文评论文本分类的机器学习模型.该模型可在得到语义分析的基础上进一步捕获文本的句法信息并引入注意力机制使得文本中重要信息获得更高的决策权重,从而模型对评论文本类别做出准确的判断.本文在两个数据集(携程酒店评论数据集,新浪微博评论数据集)上进行实验根据准确率,召回率,精确率,F1值4项衡量指标,表明本文所使用的模型可以捕捉文本的句法信息并且相对于现有主流算法效果更优,实现了良好的分类效果.