基于多头自注意力池化与多粒度特征交互融合的微博情感分析

作者：闫尚义; 王靖亚; 刘晓文; 崔雨萌; 陶知众; 张晓帆

来源：数据分析与知识发现, 2022, 1-19.

• 动态字词编码
• 多头自注意力池化
• 多粒度特征交互融合
• 微博情感分析

[目的]为高效准确地挖掘微博文本中所蕴含的情感信息，提升情感分析效果。 [方法]采用WOBERT Plus与ALBERT分别对词级文本与字级文本进行动态编码，接着利用卷积操作提取局部关键特征，然后利用跨通道特征融合与多头自注意力池化操作提取全局语义信息并筛选出关键数据，最后利用多粒度特征交互融合操作将字级与词级语义信息进行有效融合，利用Softmax函数输出分类结果。 [结果]本文模型在weibo＿senti＿100k数据集上的准确率与F1值分别为98.51%与98.53%，在 SMP2020-EWECT数据集上的准确率与F1值分别为80.11% 和 75.62%，其表现均优于各数据集上先进的情感分析模型。 [局限]在进行情感分析时，未考虑视频、图片、语音等多模态信息。 [结论]该模型提升了微博文本情感分析的效果，可以有效地完成微博文本情感分析任务。

• 单位
  中国人民公安大学