文献类型：期刊文章

作　　者：王伟[1,2] 孙玉霞[2] 齐庆杰[3] 孟祥福[2]

Wang Wei;Sun Yuxia;Qi Qingjie;Meng Xiangfu(Institute of Science&Technology,Liaoning Technical University,Huludao Liaoning 125105,China;College of Electronic&Information Engineering,Liaoning Technical University,Huludao Liaoning 125105,China;College of Mining Technology,Liaoning Technical University,Huludao Liaoning 125105,China)

机构地区：[1]辽宁工程技术大学科学技术研究院,辽宁葫芦岛125105 [2]辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛125105 [3]辽宁工程技术大学矿业技术学院,辽宁葫芦岛125105

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61772249);2016年辽宁省教育厅城市研究院一般项目(LJCL008)

年　　份：2019

卷　　号：36

期　　号：12

起止页码：3558-3564

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对双向长短时记忆神经(BiLSTM)模型训练时间长、不能充分学习文本上下文信息的问题,提出一种基于BiGRU-attention的文本情感分类模型。首先,利用双向门控循环(BiGRU)神经网络层对文本深层次的信息进行特征提取;其次,利用注意力机制(attention)层对提取的文本深层次信息分配相应的权重;最后,将不同权重的文本特征信息放入softmax函数层进行文本情感极性分类。实验结果表明,所提的神经网络模型在IMDB数据集上的准确率是90. 54%,损失率是0. 2430,时间代价是1100 s,验证了BiGRU-attention模型的有效性。

关 键 词：文本情感分类 注意力机制  双向门控循环神经网络  

分 类 号：TP391]