基于CNN-ATTBiLSTM的文本情感分析 |
| |
作者姓名: | 刘书齐 王以松 陈攀峰 |
| |
作者单位: | 贵州大学 计算机科学与技术学院,贵州 贵阳,550025;贵州大学 计算机科学与技术学院,贵州 贵阳,550025;贵州大学 计算机科学与技术学院,贵州 贵阳,550025 |
| |
摘 要: | 卷积神经网络(CNN)和循环神经网络(RNN)已经被证明在文本情感分析中是有效的文本表示模型。然而,CNN只考虑连续词之间的局部信息,忽略了词语之间长距离的上下文依赖信息,在前向传播的过程中池化操作会丢失一部分语义信息; RNN在文本长度较短的情况下相比CNN并没有展现应有的优势。本文通过融合CNN和基于注意力机制的双向长短期记忆(ATTBiLSTM)网络提取的特征,提高模型的文本表示能力,同时为了防止过拟合,采取dropout策略。在中科院谭松波博士整理的酒店评论数据集上进行实验,结果表明本文提出的模型相比基线模型可以提取出更丰富的特征,效果较基线模型有所提升。
|
关 键 词: | 卷积神经网络 注意力机制 双向长短期记忆神经网络 文本情感分析 |
本文献已被 CNKI 万方数据 等数据库收录! |
|