典型文献
结合广义自回归预训练语言模型与循环卷积神经网络的文本情感分析方法
文献摘要：
传统的机器学习方法在对网络评论文本进行情感极性分类时,未能充分挖掘语义信息和关联信息,而已有的深度学习方法虽能提取语义信息和上下文信息,但该过程往往是单向的,在获取评论文本的深层语义信息过程中存在不足.针对以上问题,提出了一种结合广义自回归预训练语言模型(XLNet)与循环卷积神经网络(RCNN)的文本情感分析方法.首先,利用XLNet对文本进行特征表示,并通过引入片段级递归机制和相对位置信息编码,充分利用了评论文本的语境信息,从而有效提升了文本特征的表达能力;然后,利用RCNN对文本特征进行双向训练,并在更深层次上提取文本的上下文语义信息,从而提升了在情感分析任务中的综合性能.所提方法分别在三个公开数据集weibo-100k、waimai-10k和ChnSentiCorp上进行了实验,准确率分别达到了96.4％、91.8％和92.9％.实验结果证明了所提方法在情感分析任务中的有效性.
文献关键词：
评论文本;情感分析;XLNet;片段级递归机制;循环卷积神经网络
中图分类号：
作者姓名：
潘列;曾诚;张海丰;温超东;郝儒松;何鹏
作者机构：
湖北大学计算机与信息工程学院,武汉430062;湖北省软件工程工程技术研究中心(湖北大学),武汉430062;智慧政务与人工智能应用湖北省工程研究中心(湖北大学),武汉430062
文献出处：
引用格式：
[1]潘列;曾诚;张海丰;温超东;郝儒松;何鹏-.结合广义自回归预训练语言模型与循环卷积神经网络的文本情感分析方法)[J].计算机应用,2022(04):1108-1115
A类：
广义自回归预训练语言模型,片段级递归机制,递归机制,waimai,ChnSentiCorp
B类：
循环卷积神经网络,文本情感分析,机器学习方法,网络评论,评论文本,情感极性,联信,而已,深度学习方法,上下文信息,深层语义信息,XLNet,RCNN,特征表示,相对位置,位置信息,信息编码,文本特征,表达能力,上下文语义,公开数据集,weibo,100k,10k
AB值：
0.228784
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。
