RoBERTa融合BiLSTM及注意力机制的隐式情感分析

摘要：

隐式情感分析是自然语言处理的研究热点之一,由于其表达隐晦且缺少显示情感词,使得传统的文本情感分析方法不再适用.针对隐式情感分析中句子语义的隐藏情感捕捉困难问题,提出了基于RoBERTa融合双向长短期记忆网络及注意力机制的RBLA模型.该模型使用RoBERTa预训练模型捕获隐式情感句中字词的语义特征,再使用双向长短期记忆网络学习句子的正反向语义信息,以捕获句子间的依赖关系,实现对文本深层次特征的提取.使用注意力机制进行情感权重计算,通过softmax函数进行归一化处理,得出隐式情感分类结果.实验结果表明,与现有的几种典型隐式情感分类模型相比较,RBLA模型在精确率、召回率和F1值上均取得了较好效果.

关键词：自然语言处理、隐式情感分析、RoBERTa、注意力机制、双向长短期记忆网络(BiLSTM)

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;江西省自然科学基金;江西省放射性地学大数据技术工程实验室项目

在线出版日期：2022-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：142-150