基于并行混合网络融入注意力机制的情感分析

作者：孙敏; 李旸^*; 庄正飞; 余大为

来源：计算机应用, 2020, 40(09): 2543-2548.

• 卷积神经网络
• 双向门限循环单元
• 特征融合
• 注意力机制
• 文本情感分析

针对传统卷积神经网络(CNN)不仅会忽略词的上下文语义信息而且最大池化处理时会丢失大量特征信息的问题,传统循环神经网络(RNN)存在的信息记忆丢失和梯度弥散问题,和CNN和RNN都忽略了词对句子含义的重要程度的问题,提出一种并行混合网络融入注意力机制的模型。首先,将文本用Glove向量化;之后,通过嵌入层分别用CNN和双向门限循环神经网络提取不同特点的文本特征;然后,再把二者提取得到的特征进行融合,特征融合后接入注意力机制判断不同的词对句子含义的重要程度。在IMDB英文语料上进行多组对比实验,实验结果表明,所提模型在文本分类中的准确率达到91.46%而其F1-Measure达到91.36%。

• 单位
  安徽农业大学