首页|基于多通道深度学习网络的混合语言短文本情感分类方法

基于多通道深度学习网络的混合语言短文本情感分类方法

Code-switching short-text sentiment classification method based on multi-channel deep learning network

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
相比于单一语言的短文本情感分类而言,混合语言由于其表达情感的单词语言不唯一,语法结构复杂,仅使用传统词嵌入的方法无法使分类器学到足够有用的特征,导致分类效果不佳.针对这些问题,提出一种融合字词特征的双通道复合模型.首先,针对数据集不平衡问题,提出一种基于Bert语义相似度的数据集欠采样算法;其次,构建双通道深度学习网络,分别将以字、词方式嵌入的原始数据通过两个通道送入CNN和带有注意力机制的LSTM组成的模块中进行多粒度特征提取;最后融合多通道的特征进行分类.在NLPCC2018任务1公布的混合语言五分类数据集上的实验表明,该模型的整体性能较目前有代表性的深度学习模型有进一步提高.

张洋、胡燕

展开 >

武汉理工大学计算机科学与技术学院,武汉430070

混合语言短文本 多通道 注意力机制 融合特征

湖北省自然科学基金资助项目

2019CFC919

2021

10.19734/j.issn.1001-3695.2019.12.0616

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(1)
  • 5
  • 4