【摘 要】
：
针对现有文本情感分析方法存在的无法高效捕捉相关文本情感特征从而造成情感分析效果不佳的问题,提出一种融合双层多头自注意力与卷积神经网络(CNN)的回归模型DLMA-CNN。采用
【机 构】
：
江南大学数字媒体学院,江苏省媒体设计与软件技术重点实验室,浪潮卓数大数据产业发展有限公司
【基金项目】
：
国家自然科学基金面上项目(61672264)
论文部分内容阅读
针对现有文本情感分析方法存在的无法高效捕捉相关文本情感特征从而造成情感分析效果不佳的问题,提出一种融合双层多头自注意力与卷积神经网络(CNN)的回归模型DLMA-CNN。采用多头自注意力机制学习序列内部的词依赖关系,从而捕获序列的内部结构。重利用浅层特征并与多头自注意力特征进行融合,结合深度学习中的CNN进一步优化文本情感极性分析效果。在基准数据集SemEval-2017 Task 5上进行实验,结果表明,与传统机器学习算法CNN、ELSTM、Att-BLSTM等相比,该模型取得了较好的情感极性分析效果,
其他文献
在对比利时路关键几何特征、特征的分布特点及其约束条件进行分析的基础上,提出了基于几何特征的参数化路面三维建模方法。通过比利时路三维理论模型与生成的三维随机路面融
从档案内容管理和内容管理、信息资源管理、知识管理的基本概念出发,通过分析研究＂来源原则＂、＂文件生命周期理论＂、＂档案鉴定理论＂的档案理论对档案内容管理的理论支撑,得到档案内
2018年3月14日，著名物理学家斯蒂芬·威廉·霍金去世，享年76岁。3月31日，霍金葬礼在剑桥大学隆重举行。霍金是爱因斯坦之后最著名的科学思想家和理论物理学家，他与彭罗斯