摘要
随着舆论数据的快速增长,情感分析技术在舆论检测中发挥越来越重要的作用.由于文本数据本身的稀疏性和高维性,加上中文语义的复杂性,情感分析面临着巨大挑战.本文提出了基于BERT变种的深度学习模型.首先利用BERT模型将文本编码为词向量,采用权重矩阵对词向量加权,增强语句中情感特征,然后利用BiLSTM提取词向量中上下文特征,利用注意力机制对隐特征向量进行特征加权.经过处理后,利用卷积神经网络提取出文本中重要的局部特征,最后输出到全连接层进行文本的分类.实验表明,相比BERT模型,BiLSTM以及其它文本分类模型,该模型在外卖评论数据集中的精确率明显提高.
维普
万方数据