典型文献
基于Bi-LSTM-Attention的英文文本情感分类方法
文献摘要：
情感分类任务是自然语言处理中的下游任务,具有重要的研究价值.情感分类任务的性能非常依赖于语句中的上下文信息,但现有的基于深度卷积神经网络的方法无法较好地捕捉句子上下文依赖,也无法对特征内部的相互依赖性进行建模.针对该问题,提出了一种基于Bi-LSTM-Attention网络的英文文本情感分类模型.该算法同时使用Bi-LSTM和自注意力机制来对句子的上下文情感依赖关系进行建模.具体地,模型主要由词嵌入层、Bi-LSTM层、自注意力层以及分类器层组成.实验结果充分表明,相比于基准模型,所提出的方法在MR数据集和SST-2数据集上取得了较好的性能,其准确率分别达到了82.4％与88.3％,有效提升了分类模型的性能.
文献关键词：
情感分类;深度学习;上下文依赖;Bi-LSTM;自注意力机制
中图分类号：
作者姓名：
朱亚辉
作者机构：
长沙师范学院外国语学院,湖南长沙410100
文献出处：
引用格式：
[1]朱亚辉-.基于Bi-LSTM-Attention的英文文本情感分类方法)[J].电子设计工程,2022(16):27-30
A类：
B类：
Bi,Attention,文本情感分类,分类方法,分类任务,自然语言处理,语句,上下文信息,深度卷积神经网络,句子,上下文依赖,相互依赖性,分类模型,自注意力机制,对句,文情,依赖关系,词嵌入,嵌入层,注意力层,分类器,MR,SST
AB值：
0.280609
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。
