典型文献
融合情感增强与注意力的文本情感分析模型
文献摘要：
目前深度学习技术被广泛应用于文本情感分类中,现有研究采用的网络模型输入单一,未能全面表示文本中的情感信息特征,同时也未充分考虑与待分类文本关联性更强更有意义的文本特征,以致分类器无法学习到更多隐含特征,针对上述问题提出一种融合情感增强与注意力的文本情感分析模型.该模型首先通过构造关键因子将情感信息词及其分类贡献度嵌入TF-IDF(Term frequency-inverse document frequency)实现情感增强,构建输入模型.然后通过引入加权欧氏距离改进最近邻算法,构建最近邻注意力机制,获取更多隐含相似性特征.最后将注意力机制与多尺寸卷积神经网络结合完成情感分类.实验表明相较于其他基准模型,本模型能够充分从多维矩阵学习到更全面的文本特征,有良好的分类性能.
文献关键词：
情感增强;加权欧氏距离;最近邻算法;注意力机制;卷积神经网络
中图分类号：
作者姓名：
朱璐;陈世平
作者机构：
上海理工大学光电信息与计算机工程学院,上海200093
文献出处：
引用格式：
[1]朱璐;陈世平-.融合情感增强与注意力的文本情感分析模型)[J].小型微型计算机系统,2022(05):957-963
A类：
B类：
情感增强,文本情感分析,深度学习技术,文本情感分类,模型输入,情感信息,信息特征,文本关联,更有意义,文本特征,分类器,关键因子,贡献度,TF,IDF,Term,frequency,inverse,document,加权欧氏距离,最近邻算法,注意力机制,多尺寸,多维矩阵,分类性能
AB值：
0.298445
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。
