文献类型：期刊文章

作　　者：王盛玉[1] 曾碧卿[1,2] 商齐[1] 韩旭丽[1]

WANG Shengyu;ZENG Biqing;SHANG Qi;HAN Xuli(School of Computer Science,South China Normal University,Guangzhou,Guangdong 510631,China;School of Software,South China Normal University,Foshan,Guangdong 528225,China)

机构地区：[1]华南师范大学计算机学院,广东广州510631 [2]华南师范大学软件学院,广东佛山528225

出　　处：《中文信息学报》

基　　金：国家自然科学基金(61503143);华南师范大学研究生创新计划(2016lkxm59)

年　　份：2018

卷　　号：32

期　　号：9

起止页码：123-131

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：情感分类任务需要捕获文本中的情感特征,利用重要的局部特征构建文本的特征表示。卷积神经网络(convolutional neural networks,CNN)已经被证明拥有出色的特征学习能力,但是该模型无法判别输入文本中特征词与情感的相关性,卷积层缺乏对单一词特征的提取。基于目前运用非常成功的注意力模型,该文提出一种基于词注意力的卷积神经网络模型(word attention-based convolutional neural networks,WACNN)。相比于卷积神经网络,该模型以篇章的文本信息作为输入,首先在词嵌入层之后增加注意力机制层,获取重要的局部特征词,使模型有选择地进行特征提取;然后在卷积层中增加大小为1的卷积核,提取单一词的特征;最后该方法对输入文本进行适当的文本填充,保证每个词都存在上下文信息,使模型有效提取到每个词的n-grams局部特征,避免卷积处理过程中局部信息的丢失。该模型在MR5K和CR数据集上进行验证,较普通卷积神经网络和传统机器学习方法,在准确率上分别取得0.5%和2%的提升。

关 键 词：卷积神经网络  注意力模型 情感分类

分 类 号：TP391]