计算机应用

作者：王丽亚, 刘昌辉, 蔡敦波, 卢涛

单位：武汉工程大学 计算机科学与工程学院, 武汉 430205

关键词：卷积神经网络,双向门限循环神经网络,注意力机制,中文文本情感分析

基金：国家自然科学基金资助项目（61103136，61502354）；武汉工程大学教育创新计划项目（CX2018196）。

传统卷积神经网络（CNN）中同层神经元之间信息不能互传，无法充分利用同一层次上的特征信息，缺乏句子体系特征的表示，从而限制了模型的特征学习能力，影响文本分类效果。针对这个问题，提出基于CNN-BiGRU联合网络引入注意力机制的模型，采用CNN-BiGRU联合网络进行特征学习。首先利用CNN提取深层次短语特征，然后利用双向门限循环神经网络（BiGRU）进行序列化信息学习以得到句子体系的特征和加强CNN池化层特征的联系，最后通过增加注意力机制对隐藏状态加权计算以完成有效特征筛选。在数据集上进行的多组对比实验结果表明，该方法取得了91.93%的F1值，有效地提高了文本分类的准确率，时间代价小，具有很好的应用能力。

来源：2019年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第10期