上海工程技术大学电子电气工程学院
纸质出版:2023
移动端阅览
何传鹏, 黄勃, 周科亮, 等. 基于BERT与Loc-Attention的文本情感分析模型[J]. 传感器与微系统, 2023,(12):146-150.
何传鹏, 黄勃, 周科亮, 等. 基于BERT与Loc-Attention的文本情感分析模型[J]. 传感器与微系统, 2023,(12):146-150. DOI: 10.13873/J.1000-9787(2023)12-0146-05.
DOI:
传统的情感分析方法由于没有关注文本相对于主题词的位置(Loc)关系,分类效果并不理想。提出一种基于BERT与LDA的Loc-注意力(Attention)的双向长短期记忆(Bi-LSTM)模型的文本情感分析方法——BL-LABL方法。使用LDA主题模型获得每个评论的主题及其词分布,将筛选出的主题词和原文本拼接输入到BERT模型,进行词向量训练,得到包含主题信息的文本词向量以及包含文本信息的主题词向量;利用Bi-LSTM网络,加入文本的位置权重,结合注意力权重最终得到的文本特征表示为两者的加权求和;最后,再利用SoftMax分类器获得文本的情感类别。通过在两种数据集上的实验表明,该模型与传统的注意力情感分类模型相比,有效地提高了分类性能。
基于HAN的双通道复合模型的文本情感分类[J]. 李辉;黄钰杰;李金秋.传感器与微系统,2021(08)
融合情感词典与上下文语言模型的文本情感分析[J]. 杨书新;张楠.计算机应用,2021(10)
一种基于Bert与Bi-LSTM的舆情信息情感识别[J]. 汤世松;练丽萍;贺成龙;梁增玉;李惠柯;刘蛰;高峰.网络安全技术与应用,2021(07)
基于BERT-LDA的新闻短文本分类方法[J]. 付静;龚永罡;廉小亲;顾龙浩.信息技术与信息化,2021(02)
基于BiLSTM-ATT的微博用户情感分类研究[J]. 谢思雅;施一萍;胡佳玲;陈藩;刘瑾.传感器与微系统,2021(02)
基于Word2Vec和SVM的微博舆情情感演化分析[J]. 邓君;孙绍丹;王阮;宋先智;李贺.情报理论与实践,2020(08)
基于局部特征编码的LDA铁路扣件检测模型[J]. 杨飞;罗建桥;李柏林.传感器与微系统,2020(02)
百面深度学习[M]. 诸葛越;江云胜.人民邮电出版社,2020
Neural Machine Translation by Jointly Learning to Align and Translate.[J]. Dzmitry Bahdanau;Kyunghyun Cho;Yoshua Bengio.CoRR,2014
A Neural Probabilistic Language Model.[J]. Yoshua Bengio;Réjean Ducharme;Pascal Vincent;Christian Janvin.Journal of Machine Learning Research,2003
Latent Dirichlet Allocation[J]. David M. Blei;Andrew Y. Ng;Michael I. Jordan.Journal of machine learning research,2003
Long short-term memory.[J]. Hochreiter S;Schmidhuber J.Neural computation,1997(8)
0
浏览量
1006
下载量
CSCD
关联资源
相关文章
相关作者
相关机构