基于HAN的双通道复合模型的文本情感分类

• 作者: 李辉 黄钰杰 李金秋
• 来源期刊: 传感器与微系统
• 关键词: 卷积神经网络 门限循环神经网络 层次化注意力网络 情感分析
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 计算与测试|Calculation & Test
• 页码范围: 121-125
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)08-0121-05

摘要

针对单一的神经网络模型结构简单、传统的注意力模型无法有效提取层次化的文本特征的问题,提出了一种基于HAN的双通道复合模型的文本情感分类.首先,在一个通道上使用双向门限循环(GRU)神经网络提取序列化信息,并引入层次化注意力网络(HAN)学习序列层次化文本信息.其次,在另一通道中借助分解卷积神经网络(CNN)获取局部文本特征,结合HAN学习深层次特征信息.最后,将两个通道进行融合,丰富特征向量,优化文本情感分类效果,提高模型的准确率.在3组中文数据集上进行多组对比实验,本文模型准确率分别达到92.06％,91.08％,92.71％,证明提出模型比单一通道模型表现更出色,使用层次化注意力网络比传统的注意力网络效果更好.