典型文献
基于特征融合深度学习网络的情感分析模型
文献摘要：
现如今,深度学习技术迅速发展,在情感分析任务中被大量使用.针对传统神经网络模型中,卷积神经网络难以捕捉文本前后文关联语义信息以及长短时记忆网络训练所需时间长、缺乏深层次信息提取能力的问题,提出了一种双通道卷积神经网络和循环网络变体的特征融合情感分析模型(CSRMA),该模型能够获取更全面的情感特征,加快训练速度.该模型使用GloVe进行词向量化,将词向量分别传入卷积神经网络通道,和引入注意力机制与最大池化的BiSRU通道,得到局部深层次情感语义和前后文时序情感语义,最后融合特征进行分类,输出情感极性,完成情感分析任务.论文主要在四个英文短文本情感数据集上,与传统神经网络模型进行对照实验,从实验结果看来,CSRMA模型对于情感语料的分类准确性有进一步提高,训练时耗费时间缩短,具有良好的泛化性.
文献关键词：
情感分析;GloVe;短文本;BiSRU;卷积神经网络;注意力机制
中图分类号：
作者姓名：
方悦;张琨;张云纯;李寻;刘志敏;孙琦
作者机构：
南京理工大学计算机科学与工程学院 南京 210094
文献出处：
引用格式：
[1]方悦;张琨;张云纯;李寻;刘志敏;孙琦-.基于特征融合深度学习网络的情感分析模型)[J].计算机与数字工程,2022(06):1239-1245
A类：
CSRMA
B类：
特征融合,深度学习网络,情感分析,现如今,深度学习技术,前后文,语义信息,长短时记忆网络,网络训练,信息提取,双通道卷积神经网络,循环网络,变体,情感特征,训练速度,模型使用,GloVe,词向量,向量化,别传,传入,注意力机制,最大池化,BiSRU,情感语义,融合特征,情感极性,短文本,文本情感,对照实验,看来,语料,分类准确性,耗费,费时间,泛化性
AB值：
0.367078
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。
