基于特征融合和多通道的突发公共卫生事件微博情感分析

摘要：

[目的]为进一步挖掘突发公共卫生事件微博文本深层语义信息,提出一种基于特征融合和注意力机制的多通道微博情感分析模型.[方法]首先,在特征向量嵌入层利用Word2Vec和FastText生成词向量,并与词性特征向量和位置特征向量进行融合;其次,基于CNN和BiLSTM构建多通道层以提取微博文本局部和全局特征;接着,通过构建注意力机制层以提取微博文本重要语义特征;最后,在融合层合并多通道输出结果,并在输出层采用Softmax函数进行情感分类.[结果]在42 384条突发公共卫生事件新冠疫情微博数据上进行对照实验,结果表明所提情感分析模型F1值达到90.21％,较基准模型CNN和BiLSTM分别提升9.71个百分点和9.14个百分点.[局限]所构建的数据集规模较小,并且尚未考虑图片和语音等多模态信息.[结论]所提模型在深度学习和多通道基础上,通过引入注意力机制并融合CNN和BiLSTM捕获的微博文本局部和全局语义特征达到了最优效果,进一步推动了微博情感分析研究进展.

关键词：多通道;特征融合;深度学习;情感分析;突发公共卫生事件

所属期刊栏目：5

分类号：G350(情报学、情报工作)

资助基金：国家社会科学基金;国家级大学生创新创业训练计划项目;江苏研究生科研创新计划基金项目

在线出版日期：2022-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：68-79