摘要
在互联网高度发达、高度普及的今天,大量用户更倾向于在互联网平台上发表自己的意见与评论.如何更快、更准确地分析海量评论文本中所蕴含的情感倾向,已是自然语言处理领域的热点问题.针对该问题,提出一种基于改进TextCNN网络的STCNN,使用Mish函数替代了原始TextCNN模型中的ReLU激活函数,规避了负输入的梯度损失问题,另在池化层混合了最大池化层和平均池化层的输出,弥补了上下文信息提取不充分的不足,并融入了注意力机制.基于RoBERTa和STCNN模型对微博疫情评论文本进行情感分析,利用RoBERTa模型提取文本特征向量,输入STCNN中获得更丰富的语义信息.实验结果表明,所提出的RB-STCNN模型在评论集情感分类中的准确率、F1 评分等指标均有良好结果,较优于对比实验中的其他模型.
NETL
NSTL
万方数据