文档名：注意力增强的双向LSTM情感分析情
在基于深度学习的情感分析工作中,传统的注意力机制主要以串行的方式作为其他模型的下一层,用于学习其他神经网络模型输出的权重分布.该文在探究使用深度学习进行句子级情感分析任务的基础上,提出一种注意力增强的双向LSTM模型,模型使用注意力机制直接从词向量的基础上学习每个词对句子情感倾向的权重分布,从而学习到能增强分类效果的词语,使用双向LSTM学习文本的语义信息,最终通过并行融合的方式提升分类效果.通过在NLPCC2014情感分析语料上进行测试,该模型的结果优于其他句子级情感分类模型.
作者：关鹏飞 李宝安 吕学强 周建设
作者单位：北京信息科技大学网络文化与数字传播北京市重点实验室,北京100101首都师范大学,北京成像技术高精尖创新中心,北京100048
母体文献：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)论文集
会议名称：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)
会议时间：2018年10月19日
会议地点：长沙
主办单位：中国中文信息学会
语种：chi
分类号：
关键词：语义信息 情感分析 注意力增强 双向LSTM模型
在线出版日期：2021年9月13日
基金项目：
相似文献
相关博文
- 文件大小:
- 961.12 KB
- 下载次数:
- 60
-
高速下载
|
|
