典型文献
基于注意力网络的属性级别情感分析
文献摘要：
传统的属性级别情感分析方法缺乏对属性实体与前后文之间交互关系的研究,导致情感分类结果的正确率不高.为了有效提取文本特征,提出了一种利用多头注意力机制学习属性实体与前后文之间关系的属性级别情感分析模型(intra &inter multi-head attention network,IIMAN),从而提高情感极性判断结果.该模型首先利用BERT预训练完成输入语句的词向量化;通过注意力网络中的内部多头注意力与联合多头注意力学习属性实体与前后文以及前后文内部间的关系;最后通过逐点卷积变换层、面向属性实体的注意力层和输出层完成情感极性分类.通过在三个公开的属性级别情感分析数据集Twitter、laptop、restaurant上的实验证明,IIMAN 相较于其他基线模型,正确率和F1 值有了进一步的提升,能够有效提高情感极性分类结果.
文献关键词：
属性级别;情感分析;多头注意力;BERT
中图分类号：
作者姓名：
沈斌;房一泉;蔡源;程华;钟烨
作者机构：
华东理工大学信息化办公室,上海200237;华东理工大学信息科学与工程学院,上海200237
文献出处：
引用格式：
[1]沈斌;房一泉;蔡源;程华;钟烨-.基于注意力网络的属性级别情感分析)[J].计算机应用研究,2022(02):411-416
A类：
IIMAN,laptop
B类：
注意力网络,属性级别,别情,情感分析,前后文,交互关系,情感分类,有效提取,文本特征,多头注意力机制,intra,inter,multi,head,attention,network,高情感,情感极性,BERT,预训练,语句,词向量,向量化,逐点卷积,注意力层,出层,Twitter,restaurant,基线模型
AB值：
0.30713
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。
