文献类型：期刊文章

作　　者：赵容梅[1] 熊熙[1] 琚生根[2] 李中志[1] 谢川[1]

ZHAO Rong-Mei;XIONG Xi;JU Sheng-Gen;LI Zhong-Zhi;XIE Chuan(College of Cybersecurity, Chengdu University of Information Technology, Chengdu 610225, China;College of Computer Science, Sichuan University, Chengdu 610065, China)

机构地区：[1]成都信息工程大学网络空间安全学院,成都610225 [2]四川大学计算机学院,成都610065

出　　处：《四川大学学报（自然科学版）》

基　　金：国家自然科学基金(81901389);中国博士后科学基金(2019M653400);四川省科技计划项目(2018GZ0253,2019YFS0236,2018GZ0182,2018GZ0093,2018GZDZX0039)

年　　份：2020

卷　　号：57

期　　号：2

起止页码：264-270

语　　种：中文

收录情况：BDHX、BDHX2017、BIOSISPREVIEWS、CAS、CSCD、CSCD_E2019_2020、JST、MR、RCCSE、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：隐式情感分析是情感计算的重要组成部分,尤其是基于深度学习的情感分析近年来成为了研究热点.本文利用卷积神经网络对文本进行特征提取,结合长短期记忆网络(LSTM)结构提取上下文信息,并且在网络中加入注意力机制,构建一种新型混合神经网络模型,实现对文本隐式情感的分析.混合神经网络模型分别从单词级和句子级的层次结构中提取更有意义的句子语义和结构等隐藏特征,通过注意力机制关注情绪贡献率较大的特征.该模型在公开的隐式情感数据集上分类准确率达到了77%.隐式情感分析的研究可以更全面地提高文本情感分析效果,进一步推动文本情感分析在知识嵌入、文本表示学习、用户建模和自然语言等领域的应用.

关 键 词：情感分析 深度学习  卷积神经网络 注意力机制  长短期记忆网络  

分 类 号：TP391]