计算机应用

作者：杨云龙, 孙建强, 宋国超

单位：山东科技大学 计算机科学与工程学院, 山东 青岛 266590

关键词：情感分析,权重共享,胶囊模型,门控循环单元动态路由,文本属性

基金：山东科技大学研究生创新项目（SDKDYC190225）。

针对简单的循环神经网络（RNN）无法长时间记忆信息和单一的卷积神经网络（CNN）缺乏捕获文本上下文语义的能力的问题，为提升文本分类的准确率，提出一种门控循环单元（GRU）和胶囊特征融合的情感分析模型G-Caps。首先通过GRU捕捉文本的上下文全局特征，获得整体标量信息；其次在初始胶囊层将捕获的信息通过动态路由算法进行迭代，获取到表示文本整体属性的向量化的特征信息；最后在主胶囊部分进行特征间的组合以求获得更准确的文本属性，并根据各个特征的强度大小分析文本的情感极性。在基准数据集MR上进行的实验的结果表明，与初始卷积滤波器的CNN（CNN+INI）和批判学习的CNN（CL_CNN）方法相比，G-Caps的分类准确率分别提升了3.1个百分点和0.5个百分点。由此可见，G-Caps模型有效地提高了实际应用中文本情感分析的准确性。

来源：2020年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第9期