基于句法依存和注意力机制的多特征多重融合情感分类模型
Multi-feature multiple fusion sentiment classification model based on syntactic dependency and attention mechanism
江西财经大学a. 软件与物联网工程学院; b. 信息管理学院, 南昌 330013
摘要
针对现有的深度学习模型难以提取在线评论的丰富语义信息从而难以准确提取文本情感的问题,提出了一种基于句法依存关系和注意力机制的多特征多重融合情感分类模型MF-SDAM(A Multi-Feature Multiple Fusion Sentiment Classification Model based on Syntactic Dependencies and Attention Mechanisms)。首先,利用句法依存关系提取在线评论的属性-观点对信息。然后,利用动态词嵌入模型BERT获取文本的动态特征向量表示。接着,基于双通道的特征提取策略,分别利用卷积神经网络(TextCNN)和融入注意力机制的双向长短期记忆网络(Att-BiLSTM)提取文本的局部和全局语义特征,为进一步提取特征的全局语义信息,将文本特征与Att-BiLSTM的输出特征进行拼接,并结合注意力机制对情感特征进行加权。最后,基于多融合方式互补的特征融合策略对局部语义特征和全局语义特征进行特征融合,减少关键信息丢失的问题。选取外卖、酒店领域的三个真实公开的在线评论数据集进行效果验证,实验结果表明,MF-SDAM针对在线评论情感分类任务的性能表现优异,其准确率和F1值在大多数情况下都优于10个基准模型,且对于不平衡数据集具有较好的鲁棒性。
基金项目
国家自然科学基金项目(62272206)
江西省教育厅科学技术研究项目(GJJ2200560)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.04.0104
出版期卷: 《计算机应用研究》 优先出版, 2024年第41卷 第11期
发布历史
[2024-08-05] 优先出版
引用本文
夏家莉, 余子恺, 邓庆山, 等. 基于句法依存和注意力机制的多特征多重融合情感分类模型 [J]. 计算机应用研究, 2024, 41 (11). (2024-09-11). https://doi.org/10.19734/j.issn.1001-3695.2024.04.0104. (Xia Jiali, Yu Zikai, Deng Qingshan, et al. Multi-feature multiple fusion sentiment classification model based on syntactic dependency and attention mechanism [J]. Application Research of Computers, 2024, 41 (11). (2024-09-11). https://doi.org/10.19734/j.issn.1001-3695.2024.04.0104. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年,是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术,及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者,读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员,各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅,所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊(北大2023年版)
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊