基于深度BLSTM和分类元数据的自定义情感分类

作者：杨春霞^*; 李欣栩; 瞿涛; 秦家鹏

来源：小型微型计算机系统, 2020, 41(09): 1853-1857.

• 情感分类
• 文本特征提取
• 注意力机制
• 分类元数据
• 深度BLSTM

在传统的情感分类任务中,存在无法有效捕捉文本深层特征的问题,同时也存在不考虑如用户信息和产品信息等分类元数据而直接进行粗糙建模的问题.针对第一个问题,本文首先通过深度BLSTM(DBLSTM)来识别上下文词义联系和获取文本深层特征;其次利用自注意力机制网络层捕获文本中重要的特征.针对第二个问题,本文融合分类元数据自定义分类器,该分类器利用上下文感知注意力为分类元数据配制特定参数,这使得分类器可以参考文本中存在的不同分类元数据来对网络层提取到的特征做出综合评价分类.在Yelp2013、Yelp2014、IMDB等三个数据集上测试,实验结果显示,本文构建的模型与现有的多个基线情感分类模型相比效果均有一定的提高.

• 单位
  南京信息工程大学; 自动化学院