典型文献
基于多模型融合的微博文本情感分析模型
文献摘要：
针对传统微博文本情感分析方法不能充分提取文本特征的缺陷,提出一种将ALBERT与基于注意力机制的双向长短时记忆网络相融合的ALBERT-BiLSTM-ATT微博文本情感分析模型.模型首先使用ALBERT预训练生成文本特征表示,然后将其输入基于注意力机制的双向长短时记忆网络模型BiLSTM-ATT中,并对微博文本特征进行训练,最后经过SoftMax函数层实现微博文本情感分析.在已公开发布的微博文本数据集"微博2018"上,与其他7种微博情感分析模型进行情感分析对比实验,对比实验结果表明ALBERT-BiLSTM-ATT模型在对比实验中的精确率、召回率和F1值皆更高.
文献关键词：
微博;人工智能;情感分析;ALBERT;注意力机制;BiLSTM
中图分类号：
作者姓名：
徐洪学;汪安祺;车伟伟;杜英魁;孙万有;王阳阳
作者机构：
沈阳大学信息工程学院,辽宁 沈阳 110044;青岛大学 自动化学院,山东 青岛 266071
文献出处：
引用格式：
[1]徐洪学;汪安祺;车伟伟;杜英魁;孙万有;王阳阳-.基于多模型融合的微博文本情感分析模型)[J].沈阳大学学报（自然科学版）,2022(02):112-118,133
A类：
B类：
多模型融合,微博文本,文本情感分析,分提,ALBERT,注意力机制,双向长短时记忆网络,BiLSTM,ATT,预训练,成文,文本特征表示,长短时记忆网络模型,SoftMax,数层,文本数据,分析对比,精确率,召回率
AB值：
0.191444
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。
