摘要
为了解决传统神经网络由于上下文语序变化而导致的情感歧义问题,提出一种多通道语义合成卷积神经网络(SFCNN)。使用改进的情感倾向注意力机制对词向量进行情感加权操作;将情感倾向词向量进行多通道语义合成,生成带有文本上下文语义信息的深度语义向量,构建情感分类模型;使用自适应学习率的梯度下降算法对模型参数进行优化,完成行情感分类任务。为了验证改进算法的有效性,使用多种微博数据样本集在提出的模型上进行对比实验。实验结果表明,改进的情感倾向注意力机制结合多通道语义合成卷积神经网络具有较好的情感分类能力,并且自适应学习率的梯度下降算法可以更快地完成模型收敛工作。
学科与关键词
关键词
卷积神经网络注意力情感分类多通道 Convolution Neural Network(CNN)attentionemotional classificationmulti-channel
- 一种基于CNN与双向LSTM融合的文本情感分类方法张翠; 周茂杰计算机时代, 2019, (12): 38-41.
- 基于人工智能的语义分析研究吴善子*电子设计工程, 2020, 28(17): 37-41.
- 基于字词向量的多尺度卷积神经网络微博评论的情感分类模型及实验研究张柳; 王晰巍; 黄博; 刘宇桐图书情报工作, 2019, (18): 99-108.
