文献类型：期刊文章

作　　者：赵富[1] 杨洋[2] 蒋瑞[3,4] 张利君[3,4] 任晓雷[5]

ZHAO Fu;YANG Yang;JIANG Rui;ZHANG Lijun;REN Xiaolei(College of Computer Science,Sichuan University,Chengdu Sichuan 610065,China;Sichuan Institute of Computer Science,Chengdu Sichuan 610041,China;Chengdu Ruibeiyingte Information Technology Company Limited,Chengdu Sichuan 610041,China;Sichuan Zhiqian Science and Technology Company Limited,Chengdu Sichuan 610041,China;Sichuan Heimashuma Technology Company Limited,Luzhou Sichuan 646000,China)

机构地区：[1]四川大学计算机学院,成都610065 [2]四川省计算机研究院,成都610041 [3]成都瑞贝英特信息技术有限公司,成都610041 [4]四川智仟科技有限公司,成都610041 [5]四川黑马数码科技有限公司,四川泸州646000

出　　处：《计算机应用》

年　　份：2018

卷　　号：38

期　　号：A02

起止页码：103-106

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对大多数情感分析文本过短、提取文本特征不足的问题,提出一种融合词性的双注意力机制的双向长短期记忆网络模型(CWPAT-Bi-LSTM)。首先,区别于一般情感分析只用词作为特征,该模型也使用了字和单词的词性作为神经网络的输入来丰富文本的特征;然后,融合字、词和词性的深层语义表达;最后,使用注意力机制关注对情感分析有价值的部分,更好地把握文本的情感,提高情感分类的精度。实验结果表明,与未融合词性的模型(CWATBi-LSTM)相比,该模型在4个数据集上情感分类的准确率分别提高1. 35、1. 25、0. 93、1. 5个百分点,验证了所提方法能够有效提高情感分类的准确率。

关 键 词：情感分析 自然语言处理 字向量  词向量  词性 注意力机制  双向长短期记忆网络  

分 类 号：TP183]