典型文献
融合注意力机制和Bi-LSTM的旅游评价情感分析模型
文献摘要：
旅游评价情感分析对了解游客偏好具有重要意义,然而现有的旅游评价情感分析模型较少突出游客情感描述的核心内容.为了更加精确地分析游客评价的情感倾向,提出一种结合词性注意力机制和双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,Bi-LSTM)的旅游评价情感分析模型.该模型采用Bi-LSTM捕获上下文语义信息并充分利用句子中词语的词性与情感极性词之间的关系,无需依赖人工组织的情感领域词典,并使用词性注意力机制关注情感描述内容核心部分.实验结果表明,该旅游评价情感分析模型具有更高的准确率、精确度、召回率和F1得分,分别达91.84％、90.63％、92.33％、91.47％,比自注意力机制(Self Atten?tion Mechanism,SAM)与Bi-LSTM结合的情感分析方法分别提高4.3％、1.02％、5.12％、3.08％.
文献关键词：
情感分析;双向长短期记忆神经网络;注意力机制;人工智能
中图分类号：
作者姓名：
陈玉娇;陈崇成;吕贵杰;黄正睿
作者机构：
福州大学数字中国研究院(福建),福建福州350100
文献出处：
引用格式：
[1]陈玉娇;陈崇成;吕贵杰;黄正睿-.融合注意力机制和Bi-LSTM的旅游评价情感分析模型)[J].软件导刊,2022(02):43-47
A类：
B类：
Bi,旅游评价,情感分析,对了,游客偏好,出游,游客情感,情感倾向,词性,双向长短期记忆神经网络,directional,Long,Short,Term,Memory,上下文语义,语义信息,句子,中词,词语,情感极性,领域词典,用词,心部,召回率,自注意力机制,Self,Atten,Mechanism,SAM
AB值：
0.317685
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。
