基于多级多尺度特征提取的CNN-BiLSTM模型的中文情感分析

TP391; 情感分析作为自然语言处理(NLP)的一个研究子领域,在舆情监测方面起着非常重要的作用.在中文情感分析任务中,已有方法仅从单极、单尺度来考虑情感特征,无法充分挖掘和利用情感特征信息,模型性能不理想.针对这一问题,提出了一种多级多尺度特征提取的CNN-BiLSTM模型.该模型首先利用预训练好的中文词向量模型并结合嵌入层微调来获取词级特征;然后利用多尺度短语级特征表征模块和句子级特征表征模块来分别获取短语级和句子级特征,在多尺度短语级特征表征模块中,使用具有不同卷积核尺寸的卷积网络来获取不同尺度的短语级特征;最后使用多级特征融合方法将词级特征、不同尺度的短语级特征以及句子级特征进行融合...

Full description

Saved in:

Bibliographic Details
Published in:	计算机科学 Vol. 50; no. 5; pp. 248 - 254
Main Authors:	汪林, 蒙祖强, 杨丽娜
Format:	Journal Article
Language:	Chinese
Published:	广西大学计算机与电子信息学院南宁 530004 2023
Subjects:	卷积神经网络自然语言处理多级多尺度特征双向长短期记忆网络中文情感分析
Online Access:	Get full text
Tags:	Add Tag No Tags, Be the first to tag this record!

Description
Summary:	TP391; 情感分析作为自然语言处理(NLP)的一个研究子领域,在舆情监测方面起着非常重要的作用.在中文情感分析任务中,已有方法仅从单极、单尺度来考虑情感特征,无法充分挖掘和利用情感特征信息,模型性能不理想.针对这一问题,提出了一种多级多尺度特征提取的CNN-BiLSTM模型.该模型首先利用预训练好的中文词向量模型并结合嵌入层微调来获取词级特征;然后利用多尺度短语级特征表征模块和句子级特征表征模块来分别获取短语级和句子级特征,在多尺度短语级特征表征模块中,使用具有不同卷积核尺寸的卷积网络来获取不同尺度的短语级特征;最后使用多级特征融合方法将词级特征、不同尺度的短语级特征以及句子级特征进行融合形成多级联合特征,与单极、单尺度特征相比,多级联合特征具有更多的情感信息.在实验中,使用Accuracy,Precision,Recall,F1这4个评估指标对模型性能进行评估,并与包括支持向量机(SVM)在内的8种方法进行比较.实验结果表明,所提方法在4个评估指标中的得分均优于8种对比方法,证明了所提模型在多级和多尺度特征提取上的优势.
ISSN:	1002-137X
DOI:	10.11896/jsjkx.220400069