基于多通道双向长短期记忆网络的情感分析

论文摘要

当前存在着大量的语言知识和情感资源,但在基于深度学习的情感分析研究中,这些特有的情感信息,没有在情感分析任务中得到充分利用。针对以上问题,该文提出了一种基于多通道双向长短期记忆网络的情感分析模型（multi-channels bidirectional long short term memory network,Multi-Bi-LSTM）,该模型对情感分析任务中现有的语言知识和情感资源进行建模,生成不同的特征通道,让模型充分学习句子中的情感信息。与CNN相比,该模型使用的Bi-LSTM考虑了词序列之间依赖关系,能够捕捉句子的上下文语义信息,使模型获得更多的情感信息。最后在中文COAE2014数据集、英文MR数据集和SST数据集进行实验,取得了比普通Bi-LSTM、结合情感序列特征的卷积神经网络以及传统分类器更好的性能。

论文目录

• 0 引言
• 1 相关工作
• 2 情感分析模型
•   2.1 输入层
•     （1） 词向量
•     （2） 词性特征向量
•     （3） 位置值向量
•     （4） 依存句法向量
•   2.2 多通道层
•   2.3 多通道双向长短期记忆网络
•     2.3.1 长短期记忆网络
•     2.3.2 多通道双向长短期记忆网络
•   2.4 情感分类输出层
• 3 实验
•   3.1 数据预处理与参数设置
•   3.2 实验结果与分析
•   3.3 不同语言特征的组合
•   3.4 典型例子分析
• 4 总结和未来工作

文章来源

类型: 期刊论文

作者: 李卫疆,漆芳

关键词: 情感分析,长短期记忆,多通道,层归一化

来源: 中文信息学报 2019年12期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 昆明理工大学信息工程与自动化学院

基金: 国家自然科学基金(61363045)

分类号: TP391.1;TP18

页码: 119-128

总页数: 10

文件大小: 658K

下载量: 249