基于多特征和深度神经网络的维吾尔文情感分类

发布时间：2021-01-27 07:24

　　针对传统机器学习的情感分类方法存在长距离依赖问题与深度学习存在忽略情感词库的弊端,提出了一种基于注意力机制与双向长短记忆网络和卷积神经网络模型相结合的维吾尔文情感分类方法。将多特征拼接向量作为双向长短记忆网络的输入来捕获文本上下文信息,使用注意力机制和卷积网络获取文本隐藏情感特征信息,有效增强了对文本情感语义的捕获能力。实验结果表明,该方法在二分类和五分类情感数据集上的F1值相比于机器学习方法分别提高了5. 59%和7. 73%。 

【文章来源】：计算机应用研究. 2020,37(05)北大核心

【文章页数】：8 页

【文章目录】：
0 引言
1 相关工作
    1.1 注意力机制
    1.2 神经网络
2 方法
    2.1 词向量表示层
        2.1.1 词向量
        2.1.2 词性向量
        2.1.3 音节向量
        2.1.4 情感词位置向量
    2.2 Bi LSTM网络层
        2.2.1 长短期记忆单元LSTM
        2.2.2 双向长短期记忆网络
    2.3 注意力层
    2.4 CNN层
    2.5 情感计算层
    2.6 模型训练
3 实验准备
    3.1 情感词库的构建
    3.2 情感分析数据集
    3.3 评价指标
    3.4 数据预处理
    3.5 实验参数设置
    3.6 实验对比模型
4 实验结果及分析
    4.1 神经网络方法与基准方法对比实验
    4.2 多特征对情感分类的影响
    4.3 网络参数对情感分类的影响
5 结束语


【参考文献】：
期刊论文
[1]文本情感倾向性分析方法:bfsmPMI-SVM[J]. 刘金硕,李哲,叶馨,陈嘉敏,邓娟.  武汉大学学报(理学版). 2017(03)
[2]Study of Sentiment Classification for Chinese Microblog Based on Recurrent Neural Network[J]. ZHANG Yangsen,JIANG Yuru,TONG Yixuan.  Chinese Journal of Electronics. 2016(04)
[3]文本情感分析[J]. 赵妍妍,秦兵,刘挺.  软件学报. 2010(08)



本文编号：3002682