一种基于字词双通道网络的文本情感分析方法

摘要

针对传统情感分析方法存在的分类准确率低,提取信息不全面等问题,提出了一种基于字词双通道情感分析方法C-A-BiLSTM。该方法模型通过在字向量和词向量两个不同方向的通道上利用卷积神经网络进行卷积运算。其中,字向量通道提取了语义更加丰富的局部信息并且有效缓解了词表中未登录词的问题,而词向量通道利用词性标注技术获取对应单词的词性,解决了原始词向量面临的一词多义问题。这两个通道的结合虽高效挖掘出更深层的语义语法信息,但是无法从文本张量中筛选出关键信息,耗费了大量的算力,因此引入了Attention机制,使模型有目标性的关注重要信息并降低了计算的复杂度。文中在此基础上,通过结合双向长短记忆网络来进一步提取上下文信息,从而获得更加全面且准确的高质量文本情感特征信息。通过对比实验,结果显示,相比于传统的卷积神经网络、支持向量机以及双向长短记忆网络算法,该方法在准确率、召回率和F1值等指标均达到94%以上,而且其差错率也降低了约1%~6%,证明该方法在文本分类任务中具有较优的分析效果。