典型文献
上下文感知的树递归神经网络下隐式情感分析
文献摘要：
针对现有的序列化模型对中文隐式情感分析中特征信息提取不准确以及对篇章级的文本信息提取存在的梯度爆炸或者梯度消失的问题,提出了双向长短时神经网络和上下文感知的树形递归神经网络(context-aware tree recurrent neutral network,CA-TRNN)的并行混合模型.该模型分别利用双向循环长短时记忆神经网络(BiLSTM)提取文本中的上下文信息,树形递归神经网络(TRNN)提取文本中目标句的语义特征信息,最后,使用特定目标句的注意力机制将两个表示信息进行融合表示后,经过softmax得出文本的情感分类结果.采用SMP2019微博中文隐式情感分析任务中的数据进行验证,实验结果表明,所使用的模型(CA-TRNN)可以有效提高分类结果的准确度,时间代价小,具有更好的应用能力.
文献关键词：
上下文感知;注意力机制;树形递归神经网络(TRNN);隐式情感分析
中图分类号：
作者姓名：
陈秋嫦;赵晖;左恩光;赵玉霞;魏文钰
作者机构：
新疆大学 信息科学与工程学院,乌鲁木齐 830046;商洛学院 数学与计算机应用学院,陕西 商洛 726000
文献出处：
引用格式：
[1]陈秋嫦;赵晖;左恩光;赵玉霞;魏文钰-.上下文感知的树递归神经网络下隐式情感分析)[J].计算机工程与应用,2022(07):167-175
A类：
隐式情感分析,TRNN,SMP2019
B类：
上下文感知,递归神经网络,序列化,特征信息提取,文本信息提取,梯度消失,长短时神经网络,树形,context,aware,tree,recurrent,neutral,network,CA,混合模型,双向循环,长短时记忆神经网络,BiLSTM,上下文信息,语义特征,特定目标,注意力机制,softmax,情感分类,微博,应用能力
AB值：
0.282676
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。
