基于BiLSTM+Self-Attention的多性格微博情感分类

• 作者: 冯媛媛 刘克剑 李伟豪
• 来源期刊: 西华大学学报（自然科学版）
• 学科: 工学
• 关键词: 情感分类 性格 微博 自注意力 双向长短时记忆网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 计算机与信息技术|Computer and Information Technology
• 页码范围: 67-76
• 页数: 10页
• 分类号: TP181
• 语种: 中文
• DOI: 10.12198/j.issn.1673−159X.4036

摘要

微博作为最受欢迎的社交网络平台之一,是人们表达观点和情感的重要途径.性格影响人的情感表达方式.针对现有微博情感分析很少考虑性格因素这一问题,文章提出一种基于BiLSTM+Self-Attention并结合性格因素的微博情感分类模型(P-BiLSTM-SA).该模型首先根据"大五"人格理论,基于用户性格将微博文本进行性格分组,然后结合BiLSTM模型和自注意力机制训练出各性格分组的基本分类器,最后采用集成学习方法融合基本分类器预测结果,输出最终的情感标签.为了验证自注意力和性格对情感分类的有效性,文章进行了2组对比实验.第1组实验结果表明,在准确率、精确率、召回率和F1这4个评价指标的综合平均表现上,P-BiLSTM-SA与P-LSTM、P-BiLSTM以及BiLSTM-SA相比,分别提高了0.036、0.017、0.025,说明自注意力机制能有效学习到文本关键信息;第2组实验结果表明,在准确率、精确率、召回率和F1这4个评价指标的综合平均表现上,P-BiLSTM-SA与未结合性格因素的BiLSTM-SA相比,提高了0.012,说明性格因素对情感分类具有一定的帮助.