典型文献
基于注意力机制的双BERT有向情感文本分类研究
文献摘要：
在计算社会科学中,理解政治新闻文本中不同政治实体间的情感关系是文本分类领域一项新的研究内容.传统的情感分析方法没有考虑实体之间情感表达的方向,不适用于政治新闻文本领域.针对这一问题,本文提出了一种基于注意力机制的双变换神经网络的双向编码表示(bi-directional encoder representations from transformers,BERT)有向情感文本分类模型.该模型由输入模块、情感分析模块、政治实体方向模块和分类模块四部分组成.情感分析模块和政治实体方向模块具有相同结构,都先采用BERT预训练模型对输入信息进行词嵌入,再采用三层神经网络分别提取实体之间的情感信息和情感方向信息,最后使用注意力机制将两种信息融合,实现对政治新闻文本的分类.在相关数据集上进行实验,结果表明该模型优于现有模型.
文献关键词：
情感分析;变换神经网络的双向编码表示;预训练模型;注意力机制;深度学习;机器学习;文本分类;神经网络
中图分类号：
作者姓名：
张铭泉;周辉;曹锦纲
作者机构：
华北电力大学控制与计算机工程学院,河北保定071003;华北电力大学复杂能源系统智能计算教育部工程研究中心,河北保定071003
文献出处：
引用格式：
[1]张铭泉;周辉;曹锦纲-.基于注意力机制的双BERT有向情感文本分类研究)[J].智能系统学报,2022(06):1220-1227
A类：
变换神经网络的双向编码表示
B类：
注意力机制,BERT,文本分类,分类研究,计算社会科学,新闻文本,情感关系,情感分析,情感表达,bi,directional,encoder,representations,from,transformers,分类模型,四部,预训练模型,词嵌入,情感信息,信息融合,现有模型
AB值：
0.284282
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。
