ELMo-CNN-BiGRU双通道文本情感分类方法

作者：吴迪; 王梓宇; 赵伟超

来源：计算机工程, 2021, 1-10.

DOI：10.19678/j.issn.1000-3428.0062047

• 文本情感分类
• 双通道
• 预训练模型
• 深度学习
• 自注意力机制

文本情感分类是自然语言处理领域的热点话题。针对传统情感分类模型未充分考虑原始信息全局和局部特征，无法依据上下文调整词向量的问题，本文提出一种ELMo-CNN-BiGRU双通道文本情感分类方法。利用ELMo和Glove预训练模型，分别生成动态和静态词向量，通过堆叠嵌入两种词向量，生成输入向量。构建融合卷积神经网络（CNN）和双向门控递归单元 （BiGRU）的双通道神经网络模型，同时获取文本局部特征和全局特征。将双通道处理结果进行拼接，经过全连接层处理，送入分类器获得文本情感分类结果。实验结果表明，本文提出的情感分类方法在准确率和F1值两方面，较CNN、BiGRU-CNN等模方法有所提升。

• 单位
  河北工程大学