文献类型：期刊文章

作　　者：关鹏飞[1] 李宝安[1] 吕学强[1] 周建设[2]

GUAN Pengfei;LI Bao’an;LV Xueqiang;ZHOU Jianshe(Beijing Key Laboratory of Internet Culture&Digital Dissemination Research,Beijing Information Science&Technology University,Beijing 100101,China;Beijing Advanced Innovation Center for Imaging Technology,Capital Normal University,Beijing 100048,China)

机构地区：[1]北京信息科技大学网络文化与数字传播北京市重点实验室,北京100101 [2]首都师范大学北京成像技术高精尖创新中心,北京100048

出　　处：《中文信息学报》

基　　金：国家自然科学基金(61671070);国家语委重点项目(ZDI135-53);北京成像技术高精尖创新中心项目(BAICIT-2016003)

年　　份：2019

卷　　号：33

期　　号：2

起止页码：105-111

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：在基于深度学习的情感分析工作中,传统的注意力机制主要以串行的方式作为其他模型的下一层,用于学习其他神经网络模型输出的权重分布。该文在探究使用深度学习进行句子级情感分析任务的基础上,提出一种注意力增强的双向LSTM模型。模型使用注意力机制直接从词向量的基础上学习每个词对句子情感倾向的权重分布,从而学习到能增强分类效果的词语,使用双向LSTM学习文本的语义信息。最终,通过并行融合的方式提升分类效果。通过在NLPCC 2014情感分析语料上进行测试,该模型的结果优于其他句子级情感分类模型。

关 键 词：注意力机制  双向LSTM  情感分析

分 类 号：TP391.1] TP183[计算机类]