文献类型：期刊文章

作　　者：彭祝亮[1] 刘博文[1] 范程岸[1] 王杰[2] 肖明[1,2] 廖泽恩[1]

PENG Zhuliang;LIU Bowen;FAN Cheng’an;WANG Jie;XIAO Ming;LIAO Zeen(Guangdong Key Laboratory of IoT Information Technology,School of Automation,Guangdong University of Technology,Guangzhou 510006,China;Guangdong Modern Audio-Visual Information Engineering Technology Research Center,Guangzhou University,Guangzhou 510006,China)

机构地区：[1]广东工业大学自动化学院广东省物联网信息技术重点实验室,广州510006 [2]广州大学广东省现代视听信息工程技术研究中心,广州510006

出　　处：《计算机工程》

基　　金：国家自然科学基金(61673124,61673126,61773128)。

年　　份：2020

卷　　号：46

期　　号：3

起止页码：60-65

语　　种：中文

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

摘　　要：基于方面的情感分析已广泛应用于文本信息挖掘,但在句子情感极性模糊或包含多个不同方面情感极性时难以准确提取特征信息,削弱了情感极性分类效果。为解决该问题,提出一种结合双向长短记忆网络和方面注意力模块的情感分类方法。利用多个方面注意力模块同时对不同方面进行独立训练,使每个方面信息与注意力操作互不影响,各自进行注意力参数的学习与调整,以充分提取特定方面的隐藏信息,从而更准确地识别不同方面的情感极性。在SemEval数据集上的实验结果表明,该方法相对现有的基准情感分析方法,可有效提升分类精确率、查全率与F1值,优化情感分类效果。

关 键 词：深度学习  基于方面的情感分析  循环神经网络 自然语言处理 注意力机制  

分 类 号：TP391]