科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的/意义】分析句子针对不同方面的情感极性，深入挖掘评论文本中的信息，为企业生产决策提供建议。【方法/过程】针对传统方法多考虑单一层面注意力信息，且基于RNN的模型忽略了局部特征的重要性，而基于CNN的模型不能捕捉长距离依赖的信息的问题，提出了基于双重注意力机制的BG-DATT-CNN模型。在特征表示上，利用BERT对句子和方面词分别进行词向量编码，获得文本的深层语义特征。在特征提取上，设计了双重注意力机制，通过计算两类权重获得综合权重，强化文本的上下文相关特征和方面相关特征。在模型构建上，设计了BG-DATT-CNN网络，结合GRU和CNN各自的优势，Bi-GRU层捕捉文本的上下文全局特征，CNN层包括K-Max池化层和TextCNN层，通过两阶段特征提取获取分类的关键信息。【结果/结论】在SemEval 2014数据集上的实验表明，与现有的其他模型相比，本文提出的模型取得了较好的效果。
- 单位
