文献类型：期刊文章

作　　者：朱烨[1] 陈世平[1,2]

ZHU Ye;CHEN Shi-ping(School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China;Network and Information Center Office,University of Shanghai for Science and Technology,Shanghai 200093,China)

机构地区：[1]上海理工大学光电信息与计算机工程学院,上海200093 [2]上海理工大学信息化办公室,上海200093

出　　处：《小型微型计算机系统》

基　　金：国家自然科学基金项目(61472256,61170277)资助;上海市一流学科建设项目(S1201YLXK)资助;上海理工大学科技发展基金项目(16KJFZ035,2017KJFZ033)资助;沪江基金项目(A14006)资助.

年　　份：2020

卷　　号：41

期　　号：3

起止页码：551-557

语　　种：中文

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

摘　　要：针对现有文本情感分析算法中网络模型输入单一,同时缺乏考虑相似文本实例对整体分类效果影响的现状,提出一种融合卷积神经网络和注意力的评论文本情感分析模型.首先,利用KNN算法得到加权文本矩阵,获得相似文本特征,使得分类特征更加丰富.然后,通过加权文本矩阵与原始文本矩阵构建注意力,捕获更多关键信息,使模型做出准确的判断.最后,使用双通道卷积神经网络模型对文本情感分类.本文在三个不同的数据集上进行大量实验,表明本算法可以有效利用文本特征间的依赖性,获取更多有用特征.同时根据准确率、召回率、精确率、F1值等衡量指标,表明本文所使用的模型相较于其他算法效果更优,实现了良好的分类性能.

关 键 词：卷积神经网络 KNN算法 注意力机制  文本情感分析

分 类 号：TP183]