基于双重注意力模型的微博情感分析方法

摘要

注意力模型在许多自然语言处理任务中都表现出了优秀的性能.该文针对现有大多数情感分析方法将深度学习模型与情感符号相剥离的现状,提出了一种双重注意力模型的微博情感分析方法.该方法首先利用现有的情感知识库构建了一个包含情感词、程度副词、否定词、微博表情符号和常用网络用语的微博情感符号库;然后,采用双向长短记忆网络模型和全连接网络,分别对微博文本和文本中包含的情感符号进行编码;接着,采用注意力模型分别构建微博文本和情感符号的语义表示,并将两者的语义表示进行融合,以构建微博文本的最终语义表示;最后,基于所构建的语义表示对情感分类模型进行训练.通过将注意力模型和情感符号相结合,有效增强了对微博文本情感语义的捕获能力,提高了微博情感分类的性能.基于NLPCC微博情感测评公共数据集,对所提出的模型进行评测,在多个情感分类任务中都取得了最佳的效果,其中,在2013和2014的数据集上,相对于已知最好的模型,宏平均和微平均的F值分别提升了1.39％、1.26％和2.02％、2.21％.