10.19665/j.issn1001-2400.2019.06.005
采用注意力门控卷积网络模型的目标情感分析
针对传统目标情感分析采用循环神经网络模型导致训练时间长且其他替代模型未能使得上下文和目标词之间实现良好交互等问题,提出了一种用于目标情感分析的注意力门控卷积网络模型.该模型首先将上下文和目标词通过多头注意力机制加强上下文和目标词之间的交互;其次采用门控卷积机制进一步提取关于目标词的情感特征;最后通过Softmax分类器将情感特征进行分类,输出情感极性.实验结果显示,与循环神经网络模型中准确率最高的循环注意力网络模型相比,在SemEval 2014任务四的餐厅和笔记本电脑数据集上的准确率分别提高了1.29% 和0.12%;与循环神经网络模型中收敛速度较快的基于注意力的长短期记忆网络模型相比,收敛时间下降了约29.17s.
情感分析、循环神经网络、多头注意力机制、门控卷积机制
46
TP391(计算技术、计算机技术)
民航科技创新重大专项MHRD20160109;民航安全能力项目TRSA201803
2020-01-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
30-36