典型文献
基于ALBERT-AFSFN的中文短文本情感分析
文献摘要：
针对传统的卷积神经网络未能充分利用不同通道间的文本特征语义信息和关联信息,以及传统的词向量表示方法采用静态方式对文本信息进行提取,忽略了文本的位置信息,从而导致文本情感分类不准确的问题,提出了一种结合ALBERT(a lite BERT)和注意力特征分割融合网络(attention feature split fusion network,AFSFN)的中文短文本情感分类模型ALBERT-AFSFN.该模型利用ALBERT对文本进行词向量表示,提升词向量的表征能力;通过注意力特征分割融合网络将特征分割为两组,对两组不同通道的特征进行提取和融合,最大程度保留不同通道之间的语义关联信息;借助Softmax函数对中文短文本情感进行分类,得到文本的情感倾向.在三个公开数据集Chnsenticorp、waimai-10k和weibo-100k上的准确率分别达到了93.33％、88.98％和97.81％,F1值也分别达到了93.23％、88.47％和97.78％,结果表明提出的方法在中文短文本情感分析中能够达到更好的分类效果.
文献关键词：
ALBERT;分割注意力;特征融合;情感分析
中图分类号：
作者姓名：
叶星鑫;徐杨;罗梦诗
作者机构：
贵州大学 大数据与信息工程学院,贵阳 550025;贵阳铝镁设计研究院有限公司,贵阳 550009
文献出处：
引用格式：
[1]叶星鑫;徐杨;罗梦诗-.基于ALBERT-AFSFN的中文短文本情感分析)[J].计算机工程与应用,2022(12):170-176
A类：
AFSFN,Chnsenticorp,waimai
B类：
ALBERT,短文本,文本情感分析,文本特征,语义信息,联信,词向量,向量表示,表示方法,文本信息,位置信息,文本情感分类,lite,特征分割,融合网络,attention,feature,split,fusion,network,分类模型,表征能力,语义关联,Softmax,情感倾向,公开数据集,10k,weibo,100k,分类效果,分割注意力,特征融合
AB值：
0.317572
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。
