融合粗糙数据推理的卷积记忆网络文本情感分析

作     者：钟娜 周宁 靳高雅 ZHONG Na;ZHOU Ning;JIN Gao-ya

作者机构：兰州交通大学电子与信息工程学院兰州730070 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2022年第22卷第29期

页      面：12936-12944页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61650207,61963023) 兰州交通大学天佑创新团队(TY202003) 

主　　题：粗糙数据推理 词向量 卷积记忆网络 情感分析 

摘      要：为解决现有情感分类算法在特征提取中缺乏对语义关联规则的运用,以及在分词后产生大量与情感预测无关的词,导致挖掘出的特征不具代表性的问题。提出一种融合粗糙数据推理的卷积记忆网络情感分析模型。首先,通过上下文信息使用粗糙数据推理获得文本的情感词集Word2Vec词向量表示,并融合FastText词向量来改进特征向量嵌入层;其次,使用卷积神经网络(convolutional neural network, CNN)拼接双向长短期记忆网络(bi-directional long short-term memory, BiLSTM)提取更深层次的情感特征;最后,加入Attention机制计算权重,筛选显著重要特征。在两个数据集上的实验结果显示,该模型的情感分类准确率与F_(1)值最高可达到84.66%和85.1%,较基线模型中的最高值分别高出2.04%和3.1%,有效提升了情感分类的预测能力。