典型文献
面向文本情感分析的BiTCN—SA模型的研究
文献摘要：
为解决传统神经网络模型不能完整获取文本特征表示以及上下文信息使用不足的问题,提出一种面向文本情感分析的BiTCN-SA模型架构.首先采用 Word2Vec中的Skip-gram词向量表示方法将词向量序列输入模型;然后借助BiTCN双向提取文本全局特征,同时很好地联系上下文序列特征;最后添加自注意力层以捕捉文本特征的内部相关性,帮助模型优化特征,提高情感分析的准确率.以BiTCN为基线模型,在大众点评餐厅评论数据集上对比了 6种模型的情感分类结果,实验结果显示,BiTCN—SA模型的准确率可达95.1％.结果表明,与基线模型相比所提模型的准确率提升了 2.3％;与主流深度学习方法CNN,LSTM,BiLSTM,TCN相比,准确率有了 8.2％,14.4％,4.8％,9.6％不同程度的提升,均证明了 BiTCN—SA模型在文本情感分析中的有效性.
文献关键词：
时间卷积神经网络;自注意力机制;词向量;大众点评;情感分析
中图分类号：
作者姓名：
卞玉露
作者机构：
安徽理工大学计算机科学与工程学院,安徽淮南232001
文献出处：
引用格式：
[1]卞玉露-.面向文本情感分析的BiTCN—SA模型的研究)[J].佳木斯大学学报（自然科学版）,2022(06):38-42,67
A类：
BiTCN
B类：
文本情感分析,SA,文本特征表示,上下文信息,信息使用,模型架构,Word2Vec,Skip,gram,词向量,向量表示,表示方法,文本全局,全局特征,系上,序列特征,注意力层,模型优化,高情感,基线模型,大众点评,餐厅,评论数据,情感分类,准确率提升,深度学习方法,BiLSTM,时间卷积神经网络,自注意力机制
AB值：
0.306811
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。
