中文短文本情感分类：融入位置感知强化的Transformer-TextCNN模型研究

来源：计算机工程与应用杂志2025年第11期北京时间：

作者：李浩君, 王耀东, 汪旭辉

单位：浙江工业大学 教育科学与技术学院，杭州 310023

摘要：针对当前中文短文本情感分类模型文本位置信息与关键特征获取不足的问题，提出了一种融入位置感知强化的Transformer-TextCNN情感分类模型。利用BERT可学习绝对位置编码与正弦位置编码强化模型的位置感知能力，融合Transformer的全局上下文理解能力与TextCNN的局部特征捕捉能力，分别提取中文短文本全局特征与局部特征，构建位置感知强化与特征协同的情感特征输出服务，实现中文短文本情感准确分类。实验结果表明，该模型在视频弹幕数据集上的准确率达到90.23%，在SMP2020数据集上的准确率达到87.38%。相较于最优的基线模型，准确率在视频弹幕数据集和SMP2020数据集上分别提高了1.98和0.44个百分点，在中文短文本情感分类任务中取得更好的分类效果。

关键词：文本情感分类,BERT,Transformer,textCNN,位置编码