典型文献
基于CNNCIFG-Attention模型的文本情感分类
文献摘要：
神经网络在处理中文文本情感分类任务时,文本显著特征提取能力较弱,学习速率也相对缓慢.针对这一问题,文中提出一种基于注意力机制的混合网络模型.首先对文本语料进行预处理,利用传统的卷积神经网络对样本向量的局部信息进行特征提取,并将其输入耦合输入和遗忘门网络模型,用以学习前后词句之间的联系.随后,再加入注意力机制层,对深层次文本信息进行权重分配,提高重要信息对文本情感分类的影响强度.最后,将所提出的混合网络模型在京东商品评论集上进行测试.测试结果显示,新方法的准确率达到了92.13％,F-Score数值为92.06％,证明了CNNCIFG-Attention模型的可行性.
文献关键词：
情感分类;混合网络模型;卷积神经网络;特征提取;耦合输入和遗忘门网络;注意力机制;权重分配;准确率;F-Score数值
中图分类号：
作者姓名：
李辉;王一丞
作者机构：
河南理工大学物理与电子信息学院,河南焦作454000;河南理工大学电气工程与自动化学院,河南焦作454000
文献出处：
引用格式：
[1]李辉;王一丞-.基于CNNCIFG-Attention模型的文本情感分类)[J].电子科技,2022(02):46-51
A类：
CNNCIFG,耦合输入和遗忘门网络
B类：
Attention,文本情感分类,中文文本,分类任务,显著特征,特征提取能力,学习速率,注意力机制,混合网络模型,语料,局部信息,词句,文本信息,行权,权重分配,重要信息,影响强度,京东,商品评论,评论集,Score
AB值：
0.256902
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。
