改进BERT的中文评论情感分类模型

• 作者: 范安民 李春辉
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 深度学习 BERT RoBERTa 中文情感分类
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 13-20
• 页数: 8页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.11907/rjdk.211230

摘要

为了改善现有基于深度学习网络的中文评论情感分类方法,同时提高中文评论情感分类的正确率和效率,基于Tensorflow框架,对传统BERT模型进行改进,以Nlpcc2013和Nlpcc2014公开的微博评论数据集为实验数据,分别从两个数据集中清洗抽取出3949条和14163条情感极性明显的评论,将数据输入改进后的RoBER?Ta模型中,提取语义后利用Sigmoid函数进行情感正负极性分类.实验结果表明,该模型的算法准确率、精确率、召回率和F1值较高,在Nlpcc2013数据集上分别达87.85％、88.36％和89.67％,比传统的BERT模型在各项数据上分别提高了1.52％、0.47％、2.58％、1.52％;在Nlpcc2014数据集上各项指标比BERT模型分别提高了1.30％、0.54％、2.32％、1.44％.研究表明,该模型在中文评论情感分类处理上表现优异,相较以往的深度学习网络模型效果更好.