典型文献
基于注意力机制双通道复合模型的文本情感分类
文献摘要：
针对目前常见神经网络在处理中文短文本情感分类任务中对文本数据复杂信息特征提取不完整,致使前后关联性文本学习不充分等问题,提出一种结合注意力机制的双通道复合网络模型.首先对语料进行预处理形成文本向量矩阵;然后在两个通道中分别利用卷积神经网络层,双向耦合输入和遗忘门网络层提取样本向量的局部特征,用以学习前后词向量之间的联系;再分别加入注意力机制网络层,对不同情感密度的文本信息进行权重分配,提高重点信息对句子情感分类的影响强度;最终将两个通道特征向量进行融合,计算文本数据概率分布.提出的多层混合网络模型在京东商品评论集和搜狐新闻数据集上测试结果显示,准确率分别达到93.17％和91.18％,F-SCORE数值达到93.12％和91.12％,验证了该复合模型应用于文本情感分析的有效性.
文献关键词：
情感分类;卷积神经网络;双向耦合输入和遗忘门网络;注意力机制;准确率;F-SCORE数值
中图分类号：
作者姓名：
邹波蓉;王一丞;王伟东;侯庆华;武会斌
作者机构：
河南理工大学 物理与电子信息学院,河南 焦作 454000;河南理工大学 电气工程与自动化学院,河南 焦作 454000
文献出处：
引用格式：
[1]邹波蓉;王一丞;王伟东;侯庆华;武会斌-.基于注意力机制双通道复合模型的文本情感分类)[J].河南理工大学学报（自然科学版）,2022(06):155-162
A类：
双向耦合输入和遗忘门网络,耦合输入和遗忘门网络
B类：
双通道,复合模型,文本情感分类,短文本,分类任务,文本数据,复杂信息,信息特征,前后关联,文本学习,复合网络,语料,成文,文本向量,向量矩阵,网络层,局部特征,词向量,别加,注意力机制网络,文本信息,行权,权重分配,对句,句子,影响强度,终将,通道特征,特征向量,概率分布,混合网络模型,京东,商品评论,评论集,搜狐,新闻数据,SCORE,模型应用,文本情感分析
AB值：
0.376064
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
