基于表情符注意力机制的微博情感分析模型

被引：39

作者：

谭皓 ^{[1
]}

邓树文 ^{[2
]}

钱涛 ^{[2
]}

姬东鸿 ^{[1
]}

机构：

[1] 武汉大学计算机学院

[2] 湖北科技学院计算机学院

来源：

计算机应用研究 | 2019年 / 36卷 / 09期

关键词：

表情符; 微博; 情感分析; 注意力机制;

D O I：

10.19734/j.issn.1001-3695.2018.03.0152

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

为了对中文微博进行有效的情感极性识别,基于表情符能改变或加强微博文本的情感极性这一认知事实,提出基于表情符注意力机制的微博情感分析神经网络模型。该模型在使用双向循环神经网络模型(BiLSTM)学习文本的特征表示时,利用表情符注意力机制,得到文本结合表情符后新的特征表示,从而实现微博情感识别。实验结果显示,与输入纯文本和表情符的Bi-LSTM模型相比,基于表情符注意力机制的模型准确率提高了4. 06%;与仅输入纯文本的Bi-LSTM模型相比,基于表情符注意力机制的模型准确率提高了6. 35%。

引用

页码：2647 / 2650

页数：4