典型文献
基于注意力机制与情感的多通道RCNN和ON-LSTM模型
文献摘要：
近年来在方面级情感分析任务上,基于卷积神经网络和循环神经网络的模型取得了不错的效果,但仍存在着文本长距离依赖问题.有序神经元长短时记忆(ON-LSTM)可建模句子的层级结构,解决文本长距离依赖问题,但会忽略文本局部特征.区域卷积神经网络(RCNN)能提取文本不同区域的局部特征,却无法有效提取文本的上下文语义,而且现有模型均未考虑到情感词与句子上下文的联系.针对这些问题,本文提出一种基于注意力机制与情感的多通道RCNN和ON-LSTM的神经网络模型(MCRO-A-S).首先,向上下文词向量中融入情感特征向量,弥补仅使用上下文词向量作为模型输入的不足.其次,结合RCNN模型提取文本局部特征与ON-LSTM模型提取文本上下文语义信息的优势,可有效提高模型特征提取能力.最后,利用注意力机制融合语义信息,给予情感词更多的关注.在SemEval 2014两个数据集和Twitter数据集上验证模型的有效性,取得了比其他模型更好的分类效果.
文献关键词：
方面级情感分析;多通道;ON-LSTM;卷积神经网络;注意力机制
中图分类号：
作者姓名：
陶永才;吴文乐;石磊;卫琳
作者机构：
郑州大学 信息工程学院,郑州450001;郑州大学 软件技术学院,郑州450002
文献出处：
引用格式：
[1]陶永才;吴文乐;石磊;卫琳-.基于注意力机制与情感的多通道RCNN和ON-LSTM模型)[J].小型微型计算机系统,2022(07):1406-1412
A类：
MCRO
B类：
多通道,RCNN,ON,方面级情感分析,循环神经网络,不错,长距离依赖,长短时记忆,句子,层级结构,本局,局部特征,区域卷积神经网络,有效提取,上下文语义,现有模型,文词,词向量,情感特征,特征向量,模型输入,语义信息,模型特征,特征提取能力,注意力机制融合,合语,SemEval,Twitter,验证模型,分类效果
AB值：
0.294029
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。
