基于深度学习的韩国语文本情感分类

• 作者: 赵天锐
• 来源期刊: 智能计算机与应用
• 关键词: 韩语 情感分析 FastText CNN Bi-LSTM Self-Attention
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 学术研究与应用|Academic research and application
• 页码范围: 82-87
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2021.05.016

摘要

文本情感分析(又称意见挖掘),是对带有情感倾向的文本进行分析、处理、归纳和推理的过程.本文提出将卷积神经网络(CNN)和双向长短时记忆网络(Bi-LSTM)相结合,作为提取文本特征的方式,而后添加自注意力(Self-Attention)机制形成情感分析模型.通过在自建的NAVER电影评论数据库中进行比较实验,证明本文模型的分类准确率可达90.32％,较SVM、CNN、LSTM、Bi-LSTM等模型有较大的性能提升.该方法不仅可以较好地完成韩语短文本情感分析,对其它非通用语种和领域的情感分析任务也具备参考和借鉴意义.