融合粗糙数据推理的卷积记忆网络文本情感分析

摘要：

为解决现有情感分类算法在特征提取中缺乏对语义关联规则的运用,以及在分词后产生大量与情感预测无关的词,导致挖掘出的特征不具代表性的问题.提出一种融合粗糙数据推理的卷积记忆网络情感分析模型.首先,通过上下文信息使用粗糙数据推理获得文本的情感词集Word2Vec词向量表示,并融合FastText词向量来改进特征向量嵌入层;其次,使用卷积神经网络(convolutional neural network,CNN)拼接双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)提取更深层次的情感特征;最后,加入Attention机制计算权重,筛选显著重要特征.在两个数据集上的实验结果显示,该模型的情感分类准确率与F1值最高可达到84.66％和85.1％,较基线模型中的最高值分别高出2.04％和3.1％,有效提升了情感分类的预测能力.

关键词：粗糙数据推理、词向量、卷积记忆网络、情感分析

所属期刊栏目：22

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;兰州交通大学天佑创新团队

在线出版日期：2022-11-30（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：12936-12944