电讯技术

作者：孔韦韦,田乔鑫,滕金保,王照乾,常亮

单位：(1.西安邮电大学 计算机学院，西安 710121;2.桂林电子科技大学 广西可信软件重点实验室，广西 桂林 541004)

关键词：文本情感分析；双向门控循环单元（BiGRU）；动态卷积神经网络(DCNN)；注意力机制；特征融合；

基金：国家自然科学基金资助项目(61772396,61902296)；广西可信软件重点实验室研究课题(KX202061)

以往的文本情感分析模型存在忽略文本边缘信息、池化层破坏文本序列特征的问题，并且特征提取能力与识别关键信息的能力也存在不足。为了进一步提升情感分析的效果，提出了一种基于注意力机制的动态卷积神经网络(Dynamic Convolutional Neural Network,DCNN)与双向门控循环单元(Bi-directional Gated Recurrent Unit,BiGRU)的文本情感分析模型DCNN-BiGRU-Att。首先，利用宽卷积核提取文本边缘特征，采用动态?k?-max池化保留了文本的相对位置序列特征。其次，构建了DCNN与BiGRU的并行混合结构，避免了部分特征损失问题，并同时保留局部特征与全局上下文信息两种特征，提高了模型的特征提取能力。最后，在特征融合之后引入注意力机制，将注意力机制的作用全局化，提高了模型识别关键信息的能力。将该模型在MR与SST-2两个公开数据集上与多个深度学习模型进行对比，其准确率分别提高了1.27%和1.07%，充分证明了该模型的合理有效性。

来源：2023年第6期

《电讯技术》期刊编辑部

查看电讯技术杂志2023年第6期