典型文献
结合RoBERTa和BiSRU-AT的微博用户情感分类研究
文献摘要：
针对传统词向量如Word2Vec无法表示多义词,以及现有情感分类模型特征提取能力不足等问题,提出了将RoBER-Ta(robustly optimized BERT pretraining approach)和BiSRU-AT的微博用户情感分类模型结合的方法.预训练模型RoBER-Ta,通过参考词所处的具体上下文位置学习到词的动态语义表征向量;BiSRU-AT模块二次提取文本序列特征、软注意力机制为关键词分配更高权重.在真实新浪微博用户评论数据集进行实验,结果表明,RoBERTa-BiSRU-AT模型取得了更高的分类准确率,BiSRU训练效率更优,证明RoBERTa与BiSRU-AT结合的有效性.
文献关键词：
情感分类;RoBERTa;BiSRU;软注意力
中图分类号：
作者姓名：
袁晓容;张丹
作者机构：
湖南都市职业学院,计算机科学系,湖南,长沙410137;湖南信息学院,通识学院,湖南,长沙410151
文献出处：
引用格式：
[1]袁晓容;张丹-.结合RoBERTa和BiSRU-AT的微博用户情感分类研究)[J].微型电脑应用,2022(10):6-9
A类：
RoBER
B类：
RoBERTa,BiSRU,AT,微博用户,用户情感,情感分类,分类研究,词向量,Word2Vec,多义词,有情,分类模型,模型特征,特征提取能力,robustly,optimized,pretraining,approach,预训练模型,上下文,动态语义,语义表征,序列特征,软注意力机制,新浪微博,用户评论,评论数据,分类准确率,训练效率
AB值：
0.375852
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。
