基于Bi-LSTMA-CNNA的线上评论情感分析模型

来源：电子测量技术杂志2021年第3期北京时间：

作者：占 妮

单位：华中师范大学物理科学与技术学院 武汉 430070

摘要：基于深度学习的文本情感分析是目前自然语言处理研究的重要方向，本文在卷积神经网络、双向长短期记忆网络的基础上提出一种性能优于前面两种算法的情感分析算法。改进后的情感分析算法结合传统的深度学习结构，将双向长短期记忆网络、卷积神经网络以及注意力机制相结合，其中双向长短期记忆网络与注意力机制相结合的部分主要用来提取全局特征，并对目标词重点关注；卷积神经网络与注意力机制相结合的部分主要用来提取局部重要特征；最后将两部分特征相融合再进行分类。实验结果表明在对线上评论情感分析时，CNN模型的F1为0.7939、Bi-LSTM的F1为0.7959、Bi-LSTM-Attention的F1为0.7998、Bi-LSTMA-CNNA的F1为0.8028；因此改进后的模型性能优于其它三个模型。

关键词：双向长短期记忆网络;卷积神经网络;注意力机制