作者:司新红; 王勇卷积神经网络双向长短时记忆网络注意力机制文本情感分析深度学习
摘要:情感分析在业界被广泛应用于产品分析、商品推荐等方面,具有很高的商业价值。目前常用的研究方法主要基于机器学习算法和基于词典的方法,该类方法通常需依赖复杂的人工规则和特征工程。针对传统情感分类方法需要人工干预的问题,总结目前已有可用于情感分析的深度学习方法,提出将卷积神经网络(CNN)和双向长短时记忆网络(BLSTM)进行组合,并将融合后的特征添加至注意力机制,设计出CBLSTM-Attention模型。实验表明,该模型在中文数据集上准确率达0.9650,在NLPCC英文数据集上准确率达0.9422,证明该方法不仅可提高文本情感倾向性分析的准确率,而且可有效解决人工干预问题。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社