文献类型：期刊文章

作　　者：刘思琴[1] 冯胥睿瑞[1]

Liu Siqin;Feng Xuruirui(College of Cybersecurity,Sichuan University,Chengdu 610065)

机构地区：[1]四川大学网络空间安全学院,成都610065

出　　处：《信息安全研究》

年　　份：2020

卷　　号：6

期　　号：3

起止页码：220-227

语　　种：中文

收录情况：NSSD、RCCSE、ZGKJHX、普通刊

摘　　要：现有情感分类模型大都采用Word2Vec,GloVe(global vectors)等获取文本的词向量表示,忽略了词的上下文关系,针对此问题,提出基于BERT(bidirectional encoder representations from transformers)预训练语言模型与双向长短时记忆网络(bidirectional long short-term memory network,BLSTM)及注意力机制相结合的神经网络模型进行文本情感分析.首先通过BERT预训练模型获取包含上下文语义信息的词向量,然后利用双向长短时记忆网络提取上下文相关特征进行深度学习,最后引入注意力机制对提取出的信息分配权重,突出重点信息,进行文本情感分类.在SST(stanford sentiment treebank)数据集上测试准确率可达到88.91%,表明该方法较其他方法在分类准确率上有一定程度的提高.

关 键 词：文本情感分析 BERT  双向长短时记忆网络  注意力机制  词向量  

分 类 号：TP391.1]