融合文本图卷积神经网络与注意力机制的唐诗情感分析
蒋天奇
方贤进
任萍
安徽理工大学 计算机科学与工程学院,安徽 淮南 232001
摘要：针对目前唐诗情感分析任务的语义提取不充分、数据集不完善的问题,构建了一个全新的唐诗情感分类数据集且进一步细化了情感极性,提出了一种融合文本图卷积神经网络与注意力机制(text-graph convolutional neural networks with attention mechanism,AM-Text-GCN)的情感分类模型.模型首先结合双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)和注意力机制捕捉唐诗中的上下文信息和诗句间的语义特征,然后利用融入依存句法分析的2 层文本图卷积神经网络在图卷积操作中聚合唐诗全局特征,最终输出唐诗的情感极性.结果表明,所提出模型的SF1值达了 79.83%,相较于文本图神经网络的SF1值提高了 5.46%,有效地提高了唐诗情感分析的准确性.该研究对于探索诗词情感在历史变迁中的作用具有重要意义和广泛的应用前景.
关键词：情感分析唐诗文本图卷积神经网络注意力机制双向长短期记忆网络
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(52374155)安徽省高校科学研究重点项目(2022AH050821)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 205-211 )
英文信息