首页|基于cw2vec与CNN-BiLSTM注意力模型的中文微博情感分类

基于cw2vec与CNN-BiLSTM注意力模型的中文微博情感分类

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为改善中文微博领域现有中文分词不准确且微博文本不规范问题,提出将cw2vec和CNN-BiLSTM注意力相结合的混合深度学习模型方法进行中文微博情感分类.首先使用cw2vec进行中文词向量训练,转换为相应的向量作为分类模型输入,然后利用CNN提取局部特征,采用BiLSTM提取上下文特征进行深度学习,最后增加注意力模型获取重要特征,并使用Softmax函数进行分类.实验结果表明,使用cw2vec模型训练中文微博词时,准确率达到88.72％,使用cw2vec和CNN-BiLSTM注意力混合深度学习模型的精确率、召回率和F1值比单一深度学习模型分别提升1.88％、3.56％ 和2.72％,证明cw2vec和CNN-BiLSTM注意力混合深度学习模型结合方法在中文微博情感分类任务中的有效性.
Chinese Weibo Sentiment Classification Based on cw2vec and CNN-BiLSTM Attention Model

卢昱波、刘德润、蔡奕超、杨庆雨、陈伟、刘太安

展开 >

山东科技大学计算机科学与工程学院,山东青岛266590

山东农业大学信息科学与工程学院,山东泰安271018

山东科技大学智能装备学院,山东泰安271019

情感分类 中文微博 cw2vec CNN-BiLSTM 注意力机制

国家自然科学基金国家自然科学基金国家自然科学基金国家自然科学基金山东科技大学(泰安)科研创新团队项目山东科技大学科研平台项目

E0401015081112011151574221418740442013KYTD042014KYPT30

2021

10.11907/rjdk.201732

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(3)
  • 3
  • 4