版权说明 操作指南
首页 > 成果 > 详情

基于位置增强词向量和GRU-CNN的方面级情感分析模型研究

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
陶林娟;华庚兴;李波
作者机构:
华中师范大学 计算机学院,武汉 430079
[李波; 华庚兴; 陶林娟] 华中师范大学
语种:
中文
关键词:
方面级情感分析;卷积神经网络;预训练词向量;位置函数;注意力机制
期刊:
计算机工程与应用
ISSN:
1002-8331
年:
2024
卷:
60
期:
09
页码:
212-218
基金类别:
19YJC870012:教育部人文社会科学研究项目 :广东省信息物理融合系统重点实验室、智能制造信息物理融合系统集成技术国家地方联合工程研究中心开放课题
机构署名:
本校为第一机构
院系归属:
计算机学院
摘要:
方面级情感分析旨在判断一段文本中特定方面词的情感倾向,其核心问题是方面词的上下文如何准确表征。与现有研究主要关注注意力机制的改进不同,该文从词语表征和上下文编码模型两个方面进行改进。在词语表征方面,通过BERT模型和位置度量公式获得增强的词向量表示;在上下文编码模型方面,使用GRU-CNN网络提取文本语义特征。在SemEval2014 Task4数据集上的实验表明,提出的模型在Restaurant和Laptop领域中的准确率分别达到了85.54%和80.35%,证实了所提出模型的有效性。
摘要(英文):
Aspect-level sentiment analysis aims to judge the emotional attitude of a specific aspect-level word according to the given context.The core problem is how to accurately represent the context of the aspect word.Different from the existing research which mainly focuses on the improvement of attention mechanism,this paper focuses on two aspects:word representation and context encoding.In terms of word representation,the location-enhanced word representation is obtained through the BERT model and position measurement formula.In terms of context encoding,GRU-CNN network is used to extract semantic...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com