典型文献
基于词向量与CNN-BIGRU的情感分析研究
文献摘要：
传统情感分析模型中最重要的两个模型是卷积神经网络(CNN)模型和循环神经网络(RNN)模型,其中CNN只能提取文本局部信息,RNN容易陷入梯度爆炸问题.针对上述问题,提出一种将CNN与双层双向门控循环单元(BIGRU)相结合的方法,该方法结合了CNN能够提取局部特征和双层BIGRU能够提取上下文语义并加强特征信息的优点.此外,在情感分析文本中经常会存在语言上的不规范性,影响文本提取的准确性.针对该问题,提出在原先的词向量计算模型中引入Attention机制来聚焦文本的重要信息.实验结果表明,该模型的准确率相比不引入Atten?tion机制时提高了1.21％,相比CNN-BILSTM模型提高了1.58％,相比CNN-BIGRU模型提高了1.39％.
文献关键词：
卷积神经网络;双层双向门控循环神经网络;Attention机制;词向量;情感分析
中图分类号：
作者姓名：
吴贵珍;王芳;黄树成
作者机构：
江苏科技大学计算机学院,江苏镇江212100
文献出处：
引用格式：
[1]吴贵珍;王芳;黄树成-.基于词向量与CNN-BIGRU的情感分析研究)[J].软件导刊,2022(08):27-32
A类：
双层双向门控循环神经网络
B类：
词向量,BIGRU,情感分析,RNN,本局,局部信息,双向门控循环单元,局部特征,上下文语义,特征信息,原先,Attention,重要信息,BILSTM
AB值：
0.222607
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。
