基于并行混合网络的生鲜水果短文本情感分类

摘要：

为了提升生鲜水果领域短文本情感分类的准确率,提出了一种并行混合网络的情感分类模型.针对食品领域出现较多的一词多义现象,采用双向编码器表征模型(bidirectional encoder representations from transformers,BERT)来提供词的向量化表示;针对生鲜食品评论特殊的结构,采用分段池化卷积神经网络(piecewise convolutional neural network,PCNN)与双向门控循环单元(bidirectional gated recurrent unit,BiGRU)并行的模型来对文本序列进行特征的提取,最终使用Sigmoid来进行情感分类.为保证实验的公允,在公开数据集上进行实验.结果表明,本文模型准确率达到了94.25％和85.88％.同时发现当PCNN选取合适的分段数之后,也能达到一个较好的效果,其准确率,召回率,F1均高于复杂度更高的BiGRU模型.提出的模型在生鲜水果短文本的情感分类中表现良好,但是对于其他的生鲜食品表现未知.

关键词：情感分析、分段池化卷积神经网络、BERT模型、双向门控循环单元、在线评论

所属期刊栏目：22

分类号：TP393.01(计算技术、计算机技术)

资助基金：国家重点研发计划;北京市自然科学基金;国家自然科学基金;教育部人文社会科学研究项目

在线出版日期：2022-05-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：4055-4062