文献类型：期刊文章

作　　者：孙璇[1] 马晖男[1] 周胜利[1] 徐婧[1] 王成[1]

SUN Xuan;MA Huinan;ZHOU Shengli;XU Jing;WANG Cheng(College of Information Science and Technology, Sanda University, Shanghai 201209, China)

机构地区：[1]上海杉达学院信息科学与技术学院,上海201209

出　　处：《微型电脑应用》

基　　金：上海高校青年教师培养资助计划(Z20002.19.02);上海杉达学院科研基金(校基金)(A021301.18.020)。

年　　份：2021

卷　　号：37

期　　号：6

起止页码：12-15

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：如今,社交媒体中的用户评论经常涉及到对目标对象的多个属性不同的情感倾向。这种多维度的用户情感对文本情感分析任务构成了巨大的挑战。然而,先前的研究很大程度上侧重于依赖外部信息,不擅长捕捉数据或特征的内部相关性。因此,提出了一种新颖的基于自注意力机制的双向LSTM网络的情感分析模型。使用双向LSTM神经网络学习抽象的文本语义表征,接着通过自注意力机制对文本语义表征的内部特征进行建模,对内部特征赋予不同权重,让模型更加有效地捕获数据的内部相关性。与多个基准模型进行了对比实验,在准确率、精确率、召回率及F1值等评估指标上取得了当前最优的表现。

关 键 词：情感分析 深度学习  自注意力机制  长短程记忆网络  

分 类 号：TP391]