基于CNNCIFG-Attention模型的文本情感分类

作者：李辉; 王一丞

来源：电子科技, 2022, 35(02): 46-51.

DOI：10.16180/j.cnki.issn1007-7820.2022.02.008

• 情感分类
• 混合网络模型
• 卷积神经网络
• 特征提取
• 耦合输入和遗忘门网络
• 注意力机制
• 权重分配
• 准确率
• F-Score数值

神经网络在处理中文文本情感分类任务时，文本显著特征提取能力较弱，学习速率也相对缓慢。针对这一问题，文中提出一种基于注意力机制的混合网络模型。首先对文本语料进行预处理，利用传统的卷积神经网络对样本向量的局部信息进行特征提取，并将其输入耦合输入和遗忘门网络模型，用以学习前后词句之间的联系。随后，再加入注意力机制层，对深层次文本信息进行权重分配，提高重要信息对文本情感分类的影响强度。最后，将所提出的混合网络模型在京东商品评论集上进行测试。测试结果显示，新方法的准确率达到了92.13%,F-Score数值为92.06%,证明了CNNCIFG-Attention模型的可行性。

• 单位
  自动化学院; 河南理工大学