典型文献
改进BERT的中文评论情感分类模型
文献摘要：
为了改善现有基于深度学习网络的中文评论情感分类方法,同时提高中文评论情感分类的正确率和效率,基于Tensorflow框架,对传统BERT模型进行改进,以Nlpcc2013和Nlpcc2014公开的微博评论数据集为实验数据,分别从两个数据集中清洗抽取出3949条和14163条情感极性明显的评论,将数据输入改进后的RoBER?Ta模型中,提取语义后利用Sigmoid函数进行情感正负极性分类.实验结果表明,该模型的算法准确率、精确率、召回率和F1值较高,在Nlpcc2013数据集上分别达87.85％、88.36％和89.67％,比传统的BERT模型在各项数据上分别提高了1.52％、0.47％、2.58％、1.52％;在Nlpcc2014数据集上各项指标比BERT模型分别提高了1.30％、0.54％、2.32％、1.44％.研究表明,该模型在中文评论情感分类处理上表现优异,相较以往的深度学习网络模型效果更好.
文献关键词：
深度学习;BERT;RoBERTa;中文情感分类
中图分类号：
作者姓名：
范安民;李春辉
作者机构：
河南财经政法大学计算机与信息工程学院,河南郑州450046
文献出处：
引用格式：
[1]范安民;李春辉-.改进BERT的中文评论情感分类模型)[J].软件导刊,2022(02):13-20
A类：
Nlpcc2013,Nlpcc2014,RoBER
B类：
分类模型,深度学习网络,分类方法,Tensorflow,微博评论,评论数据,集为,情感极性,Sigmoid,正负极性,精确率,召回率,项数,分类处理,RoBERTa,中文情感分类
AB值：
0.250101
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。
