基于BiGRU-ReCNN的微博文本情感倾向性分析

摘要

随着上网需要的条件越来越简单,人们在互联网发表的看法也逐渐增多,通过互联网倾听民众意愿成为了舆情监测重要的一环。深度学习作为主要的舆情监测工具,也成为了研究热点。本文结合双向门控循环单元网络(BiGRU)和卷积神经网络(Convolution Neural Network,CNN)的优势,提出了一种基于双向门控循环单元和循环CNN(BiGRU-ReCNN)的网络结构,并增强了对非文本信息的特征提取。该模型利用BiGRU结构来弥补CNN不能获得前后文关系的缺点,用CNN来增加深度特征的提取能力,同时在增加网络深度与数据精度的同时并没有大幅度增加计算量。在微博官方数据集的文本分类任务中,相比其他单一模型拥有更高的准确率和更少的耗时,验证了模型的高效性。