一种结合词性及注意力的句子情感分类方法

针对目前各种基于长短期记忆网络 LSTM 的句子情感分类方法没有考虑词的词 性信息这一问题,将词性与自注意力机制相结合,提出一种面向句子情感分类的神经网络 模型 PALSTM(Pos and Attention-based LSTM)． 首先,结合预训练词向量和词性标注工具 分别给出句子中词的语义词向量和词性词向量表示,并作为 LSTM 的输入用于学习词在 内容和词性方面的长期依赖关系,有效地弥补了一般 LSTM 单纯依赖预训练词向量中词 的共现信息的不足;接着,利用自注意力机制学习句子中词的位置信息和权重向量,并构 造句子的最终语义表示;最后由多层感知器进行分类和输出． 实验结果表明,PALSTM 在 公开语料库 Movie Ｒeviews、Internet Movie Database 和 Stanford Sentiment Treebank 二元分 类及五元情感上的准确率均比一般的 LSTM 和注意力 LSTM 模型有一定的提升．