文件名称：基于多头自注意力和并行混合模型的文本情感分析-论文
文件大小：2.04MB
文件格式：PDF
更新时间：2024-07-27 23:43:47
多头自注意力 双向门限循环神经网络 卷积神经网络 文本情感分析
针对以往研究大多使用单一模型进行文本情感分析,导致无法很好地捕捉相关文本的情感特征,从而造成情感分析效果不理想的问题,提出一种基于多头自注意力和并行混合模型的文本情感分析方法。首先,利用Word2vec模型捕捉单词的语义特征,训练词向量;其次,借助双层多头自注意力机制（double layer multi-head self-attention,DLMA）学习文本内部的词依赖关系,捕获其内部结构特征;再次,使用并行的双向门限循环神经网络（bi-directional gated recurrent nnit,BiGRU）获取文本的序列特征;最后,借助改进的并行卷积神经网络（convolutional neural network,CNN）提取深层次特征信息。将该模型分别在2个数据集上进行实验验证,其准确率分别达到92.71%和91.08%。结果表明,该方法比其他模型具有更好的学习能力。