首页|融合关键对象识别与深层自注意力的Bi-LSTM情感分析模型

融合关键对象识别与深层自注意力的Bi-LSTM情感分析模型

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
在线评论文本通常涉及多个评价对象,对象的表达方式有显式和隐式之分,针对不同对象的情感倾向可能不会完全一致.关键评价对象是评论中最受关注的对象,其相应的情感语义对整条评论的情感观点起主导作用.本文构建了融合关键对象识别与深层自注意力机制的Bi-LSTM模型,以提升短文本情感分类的效果.使用CNN处理文本,基于卷积层输出结果识别关键评价对象,并在此基础上完成深层自注意力的学习.将对象信息与文本信息进行融合,利用注意力机制强化的Bi-LSTM模型得到评论文本的情感分类结果.在酒店评论数据集上进行实验,与之前基于深度学习的模型相比,本文方法在精确率、召回率和F-score评价指标方面均有更好的表现.
Sentiment Analysis Model of Bi-LSTM with Key Opinion Target Recognition and Deeper Self-attention

李磊、吴旭辉、刘继

展开 >

新疆财经大学 统计与数据科学学院,乌鲁木齐830012

关键评价对象 自注意力机制 Bi-LSTM 情感分析

国家自然科学基金新疆维吾尔自治区社会科学基金新疆维吾尔自治区高校科研计划项目

7176202819BTJ036XJEDU2019SI006

2021

小型微型计算机系统
中国科学院沈阳计算技术研究所

小型微型计算机系统

CSTPCDCSCD北大核心
影响因子：0.564
ISSN：1000-1220
年,卷(期)：2021.42(3)
  • 9
  • 14