基于特征级注意力的方面级情感分类模型研究

摘要：

近年来大数据、自然语言处理等技术得到了飞速发展.情感分析作为自然语言处理细分领域的前沿技术之一,得到了极大的重视.然而,低参数量、高精度依然是制约情感分析的关键因素之一.为实现模型参数少、模型分类精度高的情感分析需求,通过改进特征级注意力机制的输入向量,以及前馈神经网络与注意力编码的前后位置关系,得到可复位特征级注意力机制,并基于该机制提出了基于可复位特征级注意力方面级情感分类模型(RFWA)和基于可复位特征级自注意力方面级情感分类模型(RFWSA),实现了高精度的方面级情感分析效果.在公开数据集上的实验结果表明,相比现有的主流情感分析方法,所提出的模型有明显的优势,尤其是在取得相当分类效果的情况下,模型的参数量仅为最新AOA网络的1/4.

关键词：情感分析、方面级、特征级、自注意力

所属期刊栏目：47

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2021-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：78-82