融合情感增强与注意力的文本情感分析模型

摘要

目前深度学习技术被广泛应用于文本情感分类中,现有研究采用的网络模型输入单一,未能全面表示文本中的情感信息特征,同时也未充分考虑与待分类文本关联性更强更有意义的文本特征,以致分类器无法学习到更多隐含特征,针对上述问题提出一种融合情感增强与注意力的文本情感分析模型.该模型首先通过构造关键因子将情感信息词及其分类贡献度嵌入TF-IDF(Term frequency-inverse document frequency)实现情感增强,构建输入模型.然后通过引入加权欧氏距离改进最近邻算法,构建最近邻注意力机制,获取更多隐含相似性特征.最后将注意力机制与多尺寸卷积神经网络结合完成情感分类.实验表明相较于其他基准模型,本模型能够充分从多维矩阵学习到更全面的文本特征,有良好的分类性能.