科研之友
微信
新浪微博
Facebook
分享链接
摘要
细粒度情感分析是自然语言处理的关键任务之一，针对现有的解决中文影评情感分析的主流方案一般使用Word2Vector等预训练模型生成静态词向量，不能很好地解决一词多义问题，并且采用CNN池化的方式提取文本特征可能造成文本信息损失造成学习不充分，同时未能利用文本中包含的长距离依赖信息和句子中的句法信息。因此，提出了一种新的情感分析模型RoBERTa-PWCN-GTRU。模型使用RoBERTa预训练模型生成动态文本词向量，解决一词多义问题。为充分提取利用文本信息，采用改进的网络DenseDPCNN捕获文本长距离依赖信息，并与Bi-LSTM获取到的全局语义信息以双通道的方式进行特征融合，再融入邻近加权卷积网络(proximity-weighted convolutional network, PWCN)获取到的句子句法信息，并引入门控Tanh-Relu单元(gated Tanh-Relu unit, GTRU)进行进一步的特征筛选。在构建的中文影评数据集上的实验结果表明，提出的情感分析模型较主流模型在性能上有明显提升，其在中文影评数据集上的准确率达89.67%,F1达82.51%,通过消融实验进一步验证了模型性能的有效性。模型能够为制片方未来的电影制作和消费者的购票决策提供有用信息，具有一定的实用价值。
- 单位
