基于BiGRU与方面注意力模块的情感分类方法

摘要

方面级别的情感分析已广泛应用于文本信息挖掘,但目前广泛使用的LSTM(Long Short-Term Memory)循环神经网络在处理方面级情感分类任务时,不能充分学习文本上下文信息,且存在模型计算复杂、训练时间长的问题.针对该问题,本文提出利用双向门控循环神经网络与方面注意力模块结合的情感分类方法.双向门控循环神经网络参数更少,模型训练更快,可以有效提取文本深层次的信息;将注意力操作与方面信息相结合,能充分提取特定方面的信息.该方法在SemEval(Semantic Evaluation)数据集上的实验结果表明,相对现有的方面级情感分析方法,能有效提升处理速度和优化情感分类效果.