文件名称：基于多通道深度学习网络的混合语言短文本情感分类方法
文件大小：1.21MB
文件格式：PDF
更新时间：2024-05-20 08:52:15
混合语言短文本 多通道 注意力机制
相比于单一语言的短文本情感分类而言，混合语言由于其表达情感的单词语言不唯一，语法结构复杂，仅使用传统词嵌入的方法无法使分类器学到足够有用的特征，导致分类效果不佳。针对这些问题，提出一种融合字词特征的双通道复合模型。首先，针对数据集不平衡问题，提出一种基于Bert语义相似度的数据集欠采样算法；其次，构建双通道深度学习网络，分别将以字、词方式嵌入的原始数据通过两个通道送入CNN和带有注意力机制的LSTM组成的模块中进行多粒度特征提取；最后融合多通道的特征进行分类。在NLPCC2018任务1公布的混合语言五分类数据集上的实验表明，该模型的整体性能较目前有代表性的深度学习模型有进一步提高。