期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于特征融合的中文文本情感分析方法
被引量：
10
1
作者
赵宏
傅兆阳
王乐
《兰州理工大学学报》
CAS
北大核心
2022年第3期94-102,共9页
针对现有的中文文本情感分析方法不能从句法结构、上下文信息和局部语义特征等方面综合考量文本语义信息的问题,提出一种基于特征融合的中文文本情感分析方法.首先,采用Jieba分词工具对评论文本进行分词和词性标注,并采用词向量训练工具...
针对现有的中文文本情感分析方法不能从句法结构、上下文信息和局部语义特征等方面综合考量文本语义信息的问题,提出一种基于特征融合的中文文本情感分析方法.首先,采用Jieba分词工具对评论文本进行分词和词性标注,并采用词向量训练工具GloVe获取融入词性的预训练词向量;然后,将词向量分别作为引入Self-Attention的BiGRU和TextCNN的输入,使用引入Self-Attention的BiGRU从文本的句法结构和文本的上下文信息两个方面综合提取全局特征,使用TextCNN提取文本的局部语义特征;最后,将全局特征和局部语义特征进行融合,并使用Softmax进行文本情感分类.实验结果表明,本文方法可以有效提高文本情感分析的准确率.
展开更多
关键词
中文文本情感分析
特征融合
特征提取
语义特征
自注意力机制
深度学习混合模型
在线阅读
下载PDF
职称材料
CNN-BiGRU网络中引入注意力机制的中文文本情感分析
被引量：
30
2
作者
王丽亚
刘昌辉
+1 位作者
蔡敦波
卢涛
《计算机应用》
CSCD
北大核心
2019年第10期2841-2846,共6页
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C...
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。
展开更多
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
在线阅读
下载PDF
职称材料
基于字符级双通道复合网络的中文文本情感分析
被引量：
6
3
作者
王丽亚
刘昌辉
+2 位作者
蔡敦波
赵彤洲
王梦
《计算机应用研究》
CSCD
北大核心
2020年第9期2674-2678,共5页
针对传统卷积神经网络(CNN)缺乏句子体系特征的表示,以及传统双向门限循环神经网络(BiGRU)缺乏提取深层次特征能力。以中文文本为研究对象,在字符级词向量的基础上提出双通道的CNN-BiGRU复合网络,同时引入注意力机制的模型进行情感分析...
针对传统卷积神经网络(CNN)缺乏句子体系特征的表示,以及传统双向门限循环神经网络(BiGRU)缺乏提取深层次特征能力。以中文文本为研究对象,在字符级词向量的基础上提出双通道的CNN-BiGRU复合网络,同时引入注意力机制的模型进行情感分析。首先,在单通道上利用CNN提取深层次短语特征,利用BiGRU提取全局特征的能力深度学习短语体系特征,从而得到句子体系的特征表示;再通过增加注意力层进行有效特征筛选;最后,采用双通道结构的复合网络,丰富了特征信息,加强了模型的特征学习能力。在数据集上进行多组对比实验,该方法取得了92.73%的F1值结果,优于对照组,说明提出的模型能有效地提高文本分类的准确率。同时在单句测试上量化出模型优势,且实现了模型的实际应用能力。
展开更多
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
在线阅读
下载PDF
职称材料
题名
基于特征融合的中文文本情感分析方法
被引量：
10
1
作者
赵宏
傅兆阳
王乐
机构
兰州理工大学计算机与通信学院
出处
《兰州理工大学学报》
CAS
北大核心
2022年第3期94-102,共9页
基金
国家自然科学基金(51668043,61262016)。
文摘
针对现有的中文文本情感分析方法不能从句法结构、上下文信息和局部语义特征等方面综合考量文本语义信息的问题,提出一种基于特征融合的中文文本情感分析方法.首先,采用Jieba分词工具对评论文本进行分词和词性标注,并采用词向量训练工具GloVe获取融入词性的预训练词向量;然后,将词向量分别作为引入Self-Attention的BiGRU和TextCNN的输入,使用引入Self-Attention的BiGRU从文本的句法结构和文本的上下文信息两个方面综合提取全局特征,使用TextCNN提取文本的局部语义特征;最后,将全局特征和局部语义特征进行融合,并使用Softmax进行文本情感分类.实验结果表明,本文方法可以有效提高文本情感分析的准确率.
关键词
中文文本情感分析
特征融合
特征提取
语义特征
自注意力机制
深度学习混合模型
Keywords
sentiment analysis of Chinese text
feature fusion
feature extraction
semantic feature
self-attention mechanism
deep learning hybrid model
分类号
TP389.1 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
CNN-BiGRU网络中引入注意力机制的中文文本情感分析
被引量：
30
2
作者
王丽亚
刘昌辉
蔡敦波
卢涛
机构
武汉工程大学计算机科学与工程学院
出处
《计算机应用》
CSCD
北大核心
2019年第10期2841-2846,共6页
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)~~
文摘
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。
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
Keywords
Convolutional Neural Network (CNN)
Bidirectional Gated Recurrent Unit (BiGRU)
attention mechanism
Chinese text sentimentanalysis
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于字符级双通道复合网络的中文文本情感分析
被引量：
6
3
作者
王丽亚
刘昌辉
蔡敦波
赵彤洲
王梦
机构
武汉工程大学计算机科学与工程学院
出处
《计算机应用研究》
CSCD
北大核心
2020年第9期2674-2678,共5页
基金
国家自然科学基金资助项目(61103136)
武汉工程大学教育创新计划资助项目(CX2018196)。
文摘
针对传统卷积神经网络(CNN)缺乏句子体系特征的表示,以及传统双向门限循环神经网络(BiGRU)缺乏提取深层次特征能力。以中文文本为研究对象,在字符级词向量的基础上提出双通道的CNN-BiGRU复合网络,同时引入注意力机制的模型进行情感分析。首先,在单通道上利用CNN提取深层次短语特征,利用BiGRU提取全局特征的能力深度学习短语体系特征,从而得到句子体系的特征表示;再通过增加注意力层进行有效特征筛选;最后,采用双通道结构的复合网络,丰富了特征信息,加强了模型的特征学习能力。在数据集上进行多组对比实验,该方法取得了92.73%的F1值结果,优于对照组,说明提出的模型能有效地提高文本分类的准确率。同时在单句测试上量化出模型优势,且实现了模型的实际应用能力。
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
Keywords
convolutional neural network(CNN)
BiGRU
attention
Chinese text sentiment analysis
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于特征融合的中文文本情感分析方法
赵宏
傅兆阳
王乐
《兰州理工大学学报》
CAS
北大核心
2022
10
在线阅读
下载PDF
职称材料
2
CNN-BiGRU网络中引入注意力机制的中文文本情感分析
王丽亚
刘昌辉
蔡敦波
卢涛
《计算机应用》
CSCD
北大核心
2019
30
在线阅读
下载PDF
职称材料
3
基于字符级双通道复合网络的中文文本情感分析
王丽亚
刘昌辉
蔡敦波
赵彤洲
王梦
《计算机应用研究》
CSCD
北大核心
2020
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
