基于CNNCIFG-Attention模型的文本情感分类

• 作者: 李辉 王一丞
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 情感分类 混合网络模型 卷积神经网络 特征提取 耦合输入和遗忘门网络 注意力机制 权重分配 准确率 F-Score数值
• 年，卷（期）: 2022,（2）
• 页码范围: 46-51
• 页数: 6页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2022.02.008

摘要

神经网络在处理中文文本情感分类任务时,文本显著特征提取能力较弱,学习速率也相对缓慢.针对这一问题,文中提出一种基于注意力机制的混合网络模型.首先对文本语料进行预处理,利用传统的卷积神经网络对样本向量的局部信息进行特征提取,并将其输入耦合输入和遗忘门网络模型,用以学习前后词句之间的联系.随后,再加入注意力机制层,对深层次文本信息进行权重分配,提高重要信息对文本情感分类的影响强度.最后,将所提出的混合网络模型在京东商品评论集上进行测试.测试结果显示,新方法的准确率达到了92.13％,F-Score数值为92.06％,证明了CNNCIFG-Attention模型的可行性.