典型文献
基于改进自注意力机制的方面级情感分析
文献摘要：
方面级情感分析是一项细粒度的情感分类任务,目前常用的研究方法是使用神经网络模型结合注意力机制的模式,使用注意力机制挖掘方面词和上下文之间的关系.但是传统的注意力机制在训练时,往往会倾向于关注出现频率较高的情感词,给其分配较高的注意力权重值,对于低频情感词却关注不足.为了解决上述问题,提出了一种使用改进的自注意力机制的方面级情感分析模型.通过改进注意力机制的训练过程,使模型的注意力机制在训练时可以针对性地屏蔽掉高频情感词的影响,挖掘出句子中的低频情感词,得到更高的情感分类准确率.在SemEval 2014的两个公开数据集和Twitter数据集上进行了相应的实验,该方法与ATAE-LSTM等模型相比,情感分类准确率分别提升了1.93％、2.04％、0.93％.
文献关键词：
情感分类;方面级别;自注意力机制;双向LSTM
中图分类号：
作者姓名：
毛腾跃;郑志鹏;郑禄
作者机构：
中南民族大学 计算机科学学院 & 湖北省制造企业智能管理工程技术研究中心,武汉 430074
文献出处：
引用格式：
[1]毛腾跃;郑志鹏;郑禄-.基于改进自注意力机制的方面级情感分析)[J].中南民族大学学报（自然科学版）,2022(01):94-100
A类：
ATAE
B类：
自注意力机制,方面级情感分析,细粒度,情感分类,分类任务,方面词,上下文,注意力权重,权重值,改进注意力机制,训练过程,屏蔽掉,挖掘出,句子,分类准确率,SemEval,公开数据集,Twitter,方面级别
AB值：
0.295333
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。
