基于自注意力的双向LSTM网络的情感分析模型

• 作者: 孙璇 马晖男 周胜利 徐婧 王成
• 来源期刊: 微型电脑应用
• 关键词: 情感分析 深度学习 自注意力机制 长短程记忆网络
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 12-15
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2021.06.004

摘要

如今,社交媒体中的用户评论经常涉及到对目标对象的多个属性不同的情感倾向.这种多维度的用户情感对文本情感分析任务构成了巨大的挑战.然而,先前的研究很大程度上侧重于依赖外部信息,不擅长捕捉数据或特征的内部相关性.因此,提出了一种新颖的基于自注意力机制的双向LSTM网络的情感分析模型.使用双向LSTM神经网络学习抽象的文本语义表征,接着通过自注意力机制对文本语义表征的内部特征进行建模,对内部特征赋予不同权重,让模型更加有效地捕获数据的内部相关性.与多个基准模型进行了对比实验,在准确率、精确率、召回率及F1值等评估指标上取得了当前最优的表现.