基于深度学习和注意力机制的微博情感分析

摘要

为了提高微博情感分析的性能,采用深度学习算法中的循环神经网络用于情感分类,并采用注意力机制对词特征进行选择加权,以增强循环神经网络的分类的准确率.首先,将微博语料进行去噪、分词、向量化等处理,形成微博初始样本.然后,构建循环神经网络的微博分类模型,通过隐藏层节点循环,并结合历史时刻及当前时刻隐藏层输出获得词特征向量.接着,注意力机制用于词特征相似计算及选择加权构建句子特征,并采用Softmax函数获得分类结果.最后,通过微博情感分类仿真测试验证了所提方法的可靠性.实验结果表明,相比常用微博情感分类算法,通过合理设置注意力机制窗口大小,所提方法在不同词向量规模样本下均表现出更高的分类性能.