典型文献
基于BERT变种模型的情感分析实现
文献摘要：
随着舆论数据的快速增长,情感分析技术在舆论检测中发挥越来越重要的作用.由于文本数据本身的稀疏性和高维性,加上中文语义的复杂性,情感分析面临着巨大挑战.本文提出了基于BERT变种的深度学习模型.首先利用BERT模型将文本编码为词向量,采用权重矩阵对词向量加权,增强语句中情感特征,然后利用BiLSTM提取词向量中上下文特征,利用注意力机制对隐特征向量进行特征加权.经过处理后,利用卷积神经网络提取出文本中重要的局部特征,最后输出到全连接层进行文本的分类.实验表明,相比BERT模型,BiLSTM以及其它文本分类模型,该模型在外卖评论数据集中的精确率明显提高.
文献关键词：
文本分类;BERT模型;特征提取;注意力机制
中图分类号：
作者姓名：
毛银;赵俊
作者机构：
四川轻化工大学自动化与信息工程学院,宜宾 644000;人工智能四川省重点实验室,宜宾 644000
文献出处：
引用格式：
[1]毛银;赵俊-.基于BERT变种模型的情感分析实现)[J].现代计算机,2022(18):52-56
A类：
B类：
BERT,变种,情感分析,文本数据,稀疏性,高维性,上中,深度学习模型,文本编码,词向量,用权,权重矩阵,语句,中情,情感特征,BiLSTM,取词,上下文特征,注意力机制,特征向量,特征加权,局部特征,出到,全连接层,层进,文本分类,分类模型,外卖,评论数据,精确率
AB值：
0.43156
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。
