基于RoBERTa-WWM-RCNN的疫情评论情感分析
李浩
张洁
南京邮电大学 南京 210023
摘要：为了协助政府更好地了解疫情期间人民的主要情感倾向,更加科学有效地做好防疫决策,该文提出基于Ro-BERTa-WWM-RCNN的疫情评论情感分析模型.首先通过采用文本分词、停用词表等过滤方式来对数据集进行预处理,其次利用RoBERTa模型以及使用全词掩码策略来解决一词多义的问题,再利用循环卷积神经网络模型来获取更全面的上下文语义特征信息.最后再通过Softmax分类器来获得评论数据的情感极性,包括积极、中性以及消极三类.通过实验结果表明,该模型在微博疫情评论数据集上效果最好,其中准确率为75.62%,Macro_F1值为72.05%.
关键词：深度学习疫情情感分析RoBERTa-WWM模型RCNN模型
分类号：O141.4(数理逻辑、数学基础)
论文发表日期：2025-10-20
在线出版日期：2026-01-16（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2708-2712,2727 )
英文信息