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
1
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
结合共注意网络的深度BiGRU和DPCS情感分析模型
1
作者
陈漫漫
于莲芝
《电子科技》
2025年第5期22-30,共9页
针对一词多义现象和情感分析模型无法提取全面深度语义特征等问题,文中提出结合共注意网络的深度BiGRU(Bidirectional Gated Recurrent Unit)和DPCS(Deep Convolutional Attention Networks)情感分析模型。使用RoBERTaRoBERTa(Robustly ...
针对一词多义现象和情感分析模型无法提取全面深度语义特征等问题,文中提出结合共注意网络的深度BiGRU(Bidirectional Gated Recurrent Unit)和DPCS(Deep Convolutional Attention Networks)情感分析模型。使用RoBERTaRoBERTa(Robustly optimized BERT approach)获取文本的动态语义表征,通过并行双通道网络的深度BiGRU与DPCS分别提取深层次文本上下文语义特征和重要文本局部特征,利用基于共注意网络的特征融合将不同方面文本语义特征进行深度融合以获取更全面深层次的全局语义特征。为验证所提模型的有效性,在电影和线上购物评论数据集上进行实验对比。实验结果表明,所提模型的准确率和F1均高于其他模型,在两个数据集上准确率分别达到了93.05%和94.67%。
展开更多
关键词
文本情感分析
RoBERTa
双向门控循环神经
网络
自
注意力
机制
卷积神经
网络
动态共注意力网络
特征融合
全局语义特征
在线阅读
下载PDF
职称材料
题名
结合共注意网络的深度BiGRU和DPCS情感分析模型
1
作者
陈漫漫
于莲芝
机构
上海理工大学光电信息与计算机工程学院
出处
《电子科技》
2025年第5期22-30,共9页
基金
国家自然科学基金(61603257)。
文摘
针对一词多义现象和情感分析模型无法提取全面深度语义特征等问题,文中提出结合共注意网络的深度BiGRU(Bidirectional Gated Recurrent Unit)和DPCS(Deep Convolutional Attention Networks)情感分析模型。使用RoBERTaRoBERTa(Robustly optimized BERT approach)获取文本的动态语义表征,通过并行双通道网络的深度BiGRU与DPCS分别提取深层次文本上下文语义特征和重要文本局部特征,利用基于共注意网络的特征融合将不同方面文本语义特征进行深度融合以获取更全面深层次的全局语义特征。为验证所提模型的有效性,在电影和线上购物评论数据集上进行实验对比。实验结果表明,所提模型的准确率和F1均高于其他模型,在两个数据集上准确率分别达到了93.05%和94.67%。
关键词
文本情感分析
RoBERTa
双向门控循环神经
网络
自
注意力
机制
卷积神经
网络
动态共注意力网络
特征融合
全局语义特征
Keywords
text sentiment analysis
RoBERTa
bidirectional gated recurrent unit
self-attention mechanism
convolutional neural network
dynamic coattention network
feature fusion
global semantic feature
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
结合共注意网络的深度BiGRU和DPCS情感分析模型
陈漫漫
于莲芝
《电子科技》
2025
0
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
