典型文献
基于交互式学习与多头注意力机制的金融文本情感分类
文献摘要：
针对现有的金融文本情感分类模型在对文本表示进行建模时忽略了上下文语义和情感倾向之间交互关系的问题,本文提出了基于交互式学习与多头注意力机制的金融文本情感分类模型(Interactive learn?ing and multi-head attention mechanism,ILMA).该模型首先利用BERT模型来获得上下文和情感倾向信息的词嵌入表示;然后分别使用两个双向GRU(BiGRU)神经网络来学习上下文语义和情感倾向信息的随机依赖性;之后利用交互式学习机制和多头注意力机制来学习文本语境语义与情感倾向信息之间的交互表示;最后将生成的上下文语义和情感倾向信息的表示序列进行连接后,作为softmax分类器的输入进行分类.在四个公开的金融数据集上进行了实验,将ILMA模型与其他方法进行比较,结果表明ILMA模型的分类准确性相对于其他模型有了显著提升.
文献关键词：
金融文本情感分类;上下文语义;情感倾向;交互式学习;多头注意力机制
中图分类号：
作者姓名：
吴峰;周军;谢聪;姬少培
作者机构：
南宁师范大学师园学院,南宁 530226;广西农业职业技术大学,南宁 530005;中国电子科技集团公司第三十研究所,成都 610041
文献出处：
引用格式：
[1]吴峰;周军;谢聪;姬少培-.基于交互式学习与多头注意力机制的金融文本情感分类)[J].现代计算机,2022(11):1-9,17
A类：
金融文本情感分类,ILMA
B类：
交互式学习,多头注意力机制,分类模型,文本表示,上下文语义,情感倾向,交互关系,Interactive,learn,ing,multi,head,attention,mechanism,BERT,文和,词嵌入表示,BiGRU,随机依赖,学习机制,学习文本,文本语境,softmax,分类器,金融数据,其他方法,分类准确性
AB值：
0.217232
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。
