改进CNN的多通道语义合成情感分类模型研究

摘要：

为了解决传统神经网络由于上下文语序变化而导致的情感歧义问题,提出一种多通道语义合成卷积神经网络(SFCNN).使用改进的情感倾向注意力机制对词向量进行情感加权操作;将情感倾向词向量进行多通道语义合成,生成带有文本上下文语义信息的深度语义向量,构建情感分类模型;使用自适应学习率的梯度下降算法对模型参数进行优化,完成行情感分类任务.为了验证改进算法的有效性,使用多种微博数据样本集在提出的模型上进行对比实验.实验结果表明,改进的情感倾向注意力机制结合多通道语义合成卷积神经网络具有较好的情感分类能力,并且自适应学习率的梯度下降算法可以更快地完成模型收敛工作.

关键词：卷积神经网络、注意力、情感分类、多通道

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省重大科技招标项目20170203004GX;吉林省省级产业创新专项资金项目2017C051

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：136-141