典型文献
基于BERT的双通道神经网络模型文本情感分析研究
文献摘要：
针对当前情感分析任务中使用Word2Vec、GloVe等模型生成的文本词向量,无法有效解决多义词表征、经典神经网络模型无法充分提取文本语义特征等问题,本文提出基于BERT的双通道神经网络模型文本情感分析方法.该方法采用BERT模型生成词向量,BERT模型对下游分类任务进行微调的过程中生成文本词向量的动态表征.然后,将词向量输入由CNN与BiGRU构建的双通道模型进行特征提取,并行获取文本的局部与全局语义特征,并通过注意力机制为输出特征分配相应的权重分值,突出文本的情感极性.最后将双通道输出特征融合进行情感分类.在酒店评论数据集上进行实验,结果表明本文模型与文本情感分析的基线模型相比,在准确率与F1分值上分别提高了3.7％和5.1％.
文献关键词：
文本情感分析;BERT模型;卷积神经网络(CNN);双向门控制循环单元(BiGRU);注意力机制
中图分类号：
作者姓名：
严驰腾;何利力
作者机构：
浙江理工大学 信息学院,杭州310018
文献出处：
引用格式：
[1]严驰腾;何利力-.基于BERT的双通道神经网络模型文本情感分析研究)[J].智能计算机与应用,2022(05):16-22
A类：
B类：
BERT,型文本,文本情感分析,前情,Word2Vec,GloVe,模型生成,词向量,多义词,词表,分提,文本语义特征,成词,分类任务,微调,成文,动态表征,BiGRU,双通道模型,全局语义,注意力机制,情感极性,特征融合,情感分类,酒店,评论数据,基线模型,门控
AB值：
0.32007
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。
