基于特征融合深度学习网络的情感分析模型
方悦
张琨
张云纯
李寻
刘志敏
孙琦
南京理工大学计算机科学与工程学院 南京 210094
摘要：现如今,深度学习技术迅速发展,在情感分析任务中被大量使用.针对传统神经网络模型中,卷积神经网络难以捕捉文本前后文关联语义信息以及长短时记忆网络训练所需时间长、缺乏深层次信息提取能力的问题,提出了一种双通道卷积神经网络和循环网络变体的特征融合情感分析模型(CSRMA),该模型能够获取更全面的情感特征,加快训练速度.该模型使用GloVe进行词向量化,将词向量分别传入卷积神经网络通道,和引入注意力机制与最大池化的BiSRU通道,得到局部深层次情感语义和前后文时序情感语义,最后融合特征进行分类,输出情感极性,完成情感分析任务.论文主要在四个英文短文本情感数据集上,与传统神经网络模型进行对照实验,从实验结果看来,CSRMA模型对于情感语料的分类准确性有进一步提高,训练时耗费时间缩短,具有良好的泛化性.
关键词：情感分析GloVe短文本BiSRU卷积神经网络注意力机制
分类号：TP391.1(计算技术、计算机技术)
资助基金：江苏省研究生科研与实践创新计划项目(SJCX19_0053)
论文发表日期：2022-06-20
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( 1239-1245 )
英文信息