典型文献
ELMo-CNN-BiGRU双通道文本情感分类模型
文献摘要：
文本情感分类通过对带有情感色彩的主观性文本进行分析和推理,帮助用户更好地做出判断与决策.针对传统情感分类模型难以根据上下文信息调整词向量的问题,提出一种双通道文本情感分类模型.利用ELMo和Glove预训练模型分别生成动态和静态词向量,通过堆叠嵌入2种词向量生成输入向量.采用自注意力机制处理输入向量,计算内部的词依赖关系.构建融合卷积神经网络(CNN)和双向门控递归单元(BiGRU)的双通道神经网络结构,同时获取文本局部特征和全局特征.最终将双通道处理结果进行拼接,经过全连接层处理后输入分类器获得文本情感分类结果.实验结果表明,与同类情感分类模型中性能较优的H-BiGRU模型相比,ELMo-CNN-BiGRU模型在IMDB、yelp和sentimentl40数据集上的准确率和Fl值分别提升了 2.42、1.98、2.52和2.40、1.94、2.43个百分点,具有更好的短文本情感分类效果和稳定性.
文献关键词：
文本情感分类;双通道;预训练模型;深度学习;自注意力机制
中图分类号：
作者姓名：
吴迪;王梓宇;赵伟超
作者机构：
河北工程大学信息与电气工程学院,河北邯郸056038
文献出处：
引用格式：
[1]吴迪;王梓宇;赵伟超-.ELMo-CNN-BiGRU双通道文本情感分类模型)[J].计算机工程,2022(08):105-112
A类：
yelp,sentimentl40
B类：
ELMo,BiGRU,双通道,文本情感分类,分类模型,有情,情感色彩,主观性,上下文信息,词向量,Glove,预训练模型,堆叠,自注意力机制,依赖关系,融合卷积神经网络,双向门控递归单元,神经网络结构,本局,局部特征,全局特征,终将,处理结果,拼接,全连接层,分类器,类情感,IMDB,Fl,百分点,短文本,分类效果
AB值：
0.274877
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。
