文献类型：期刊文章

作　　者：陈珂[1] 谢博[2] 朱兴统[1]

CHEN Ke;XIE Bo;ZHU Xingtong(College of Computer,Guangdong University of Petrochemical Technology,Maoming 525000,China;College of Computer Science and Technology,Guizhou University,Guiyang 550025,China)

机构地区：[1]广东石油化工学院计算机学院,广东茂名525000 [2]贵州大学计算机科学与技术学院,贵州贵阳550025

出　　处：《南京邮电大学学报（自然科学版）》

基　　金：国家自然科学基金(61172145);广东省自然科学基金(2016A030307049,2018A030307032);广东省高等院校学科与专业建设专项资金(2016KTSCX090)资助项目。

年　　份：2020

卷　　号：40

期　　号：1

起止页码：55-62

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：随着情感分析研究的不断深入,情感词典和深度学习技术被广泛地应用于情感分析任务中。针对情感词典不能考虑词的上下文语义信息,循环神经网络获取整个句子序列信息有限和网络在反向传播时梯度消失或梯度爆炸问题,提出一种基于情感词典和Transformer的文本情感分析方法。该方法不仅可以充分地利用情感词典的特征信息,还能将与情感词相关联的其他词融入到该情感词中,帮助情感词更好地编码。此外,该方法还能够更专注于情感词的不同位置,更好地理解输入句子的单词顺序和表示词与词之间的距离。最后在NLPCC2014情感分析数据集进行实验,取得了比普通卷积神经网络,基于注意力机制的卷积神经网络还要好的分类效果。

关 键 词：情感词典 自注意力机制  Transformer模型  情感分析

分 类 号：TP391.1]