基于异核卷积双注意机制的立场检测研究

摘要：

针对当前立场检测任务中目标短语在文本中隐式出现导致分类效果差的问题,提出一种基于异核卷积双注意机制(HCDAM)的立场检测模型.采用三段式策略,为提高目标短语和文本的特征表示能力,采用Bert预训练模型获得基于字符级的包含上下文的词向量表示;为提高隐式目标短语的抽取能力,采取异核卷积注意模式获取含不同位置和语义信息的卷积特征;通过再注意力机制利用显隐式目标短语对文本进行立场信息特征抽取,通过softmax分类器进行分类.基于NLPCC语料的实验结果表明,通过采用异核卷积双注意策略,相比Bert-Condition-CNN模型,在总数据集上平均分类准确率提高了0.108,在5个话题上分类准确率分别提高了0.146、0.046、0.133、0.047、0.056.

关键词：中文微博、立场检测、注意力机制、隐式特征、深度学习

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：山西省纪检信访大数据智能情报管理系统开发基金;山西省回国留学人员科研基金

在线出版日期：2021-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：119-125