基于BERT和BiLSTM的方面级情感分类模型

扫码查看

原文链接

万方数据
维普

中文摘要：文章旨在通过融合BERT和BiLSTM模型,提出了一种新的方面级情感分类方法,以提高情感分析的准确性和深度.目的是为了更好地捕捉和理解细粒度情感表达,特别是针对特定方面的情感倾向.首先采用BERT模型提取的深层语义特征,然后利用BiLSTM网络编码词向量,学习并提取全局特征,包括捕捉前后文中的依赖关系,从而有效地编码每个词元的上下文信息.此外,研究中引入指针生成网络(Span)作为输出层,以提高分类的精确性.实验结果显示,模型在方面级情感分类任务上,相比现有技术显示出更高的准确率和F1得分.所提出的模型通过深度融合BERT和BiLSTM,有效地提升了模型对复杂情感的处理能力和精确度,证明了其在情感分析中的应用价值和潜力.

作者：

戴薇、刘继

展开 >

作者单位：

新疆财经大学统计与数据科学学院新疆乌鲁木齐 830012

关键词：

深度学习情感分类 BiLSTM BERT 指针生成网络

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.11.042

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(11)