文献类型：期刊文章

作　　者：张昱[1,2] 高凯龙[1] 苏仡琳[1] 李继涛[1] 刘开峰[1,3]

ZHANG Yu;GAO Kailong;SU Yilin;LI Jitao;LIU Kaifeng(School of Electrical and Information Engineering&Beijing Key Laboratory of Intelligent Processing for Building Big Data,Beijing University of Civil Engineering and Architecture,Beijing 100044,China;State Key Laboratory in China for GeoMechanics and Deep Underground Engineering,China University of Mining&Technology,Beijing 100083,China;Jiangsu Vocational College of Finance&Economics,Huaian 223003,China)

机构地区：[1]北京建筑大学电气与信息工程学院&建筑大数据智能处理方法研究北京市重点实验室,北京100044 [2]中国矿业大学(北京),深部岩土力学与地下工程国家重点实验室,北京100083 [3]江苏财经职业技术学院,江苏淮安223003

出　　处：《内蒙古大学学报（自然科学版）》

基　　金：国家重点研发计划(2020YFB2103604);深部岩土力学与地下工程国家重点实验室开放基金(NO.SKLGDUEK1523);北京中矿创新联盟能源环境科学研究院基金(00362016055);北京建筑大学优秀主讲教师培育计划(21082718041);深地空间科学与工程研究院基金(张昱)。

年　　份：2021

卷　　号：52

期　　号：5

起止页码：508-513

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、MR、RCCSE、WOS、ZGKJHX、ZMATH、核心刊

摘　　要：自然语言处理中,文本情绪分类目前以情感极性分类居多,更加细粒度的情绪分类却很少,并且基本上都为英文文本情绪分类。本文针对中文文本情绪分类,设计并实现了一种双通道多核卷积神经网络中文文本情绪分类方法。在特征提取部分,设计了双通道特征提取方法,采用word2vec预先训练词向量的词袋方式并引入注意力机制,提取的特征向量在关注局部特征信息的基础上加入了文本上下文之间的关系信息,能够涵盖文本全局特征;在卷积部分,设计了多种不同卷积核分别卷积池化后再组合的方式,从而得到更加全面的文本特征。理论分析和实验结果表明,双通道多核卷积神经网络中文文本情绪分类方法分类准确率达86%,比单层卷积神经网络的分类准确率提高了4%,同时解决了单层卷积神经网络特征提取不够全面和多层卷积神经网络特征提取过于抽象的问题。

关 键 词：自然语言处理 注意力机制  情绪分类  卷积神经网络

分 类 号：TP183]