计算机应用

作者：陈洁, 邵志清, 张欢欢, 费佳慧

单位：华东理工大学 信息科学与工程学院, 上海 200237

关键词：卷积神经网络,特征融合,双向门限循环单元,注意力机制,短文本情感分析

基金：国家自然科学基金资助项目（61462073）。

针对传统的卷积神经网络（CNN）在进行情感分析任务时会忽略词的上下文语义以及CNN在最大池化操作时会丢失大量特征信息，从而限制模型的文本分类性能这两大问题，提出一种并行混合神经网络模型CA-BGA。首先，采用特征融合的方法在CNN的输出端融入双向门限循环单元（BiGRU）神经网络，通过融合句子的全局语义特征加强语义学习；然后，在CNN的卷积层和池化层之间以及BiGRU的输出端引入注意力机制，从而在保留较多特征信息的同时，降低噪声干扰；最后，基于以上两种改进策略构造出了并行混合神经网络模型。实验结果表明，提出的混合神经网络模型具有收敛速度快的特性，并且有效地提升了文本分类的F1值，在中文评论短文本情感分析任务上具有优良的性能。

来源：2019年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第8期