基于多通道深度学习网络的混合语言短文本情感分类方法

来源：计算机应用研究杂志2021年第1期北京时间：

作者：张洋,胡燕,

单位：武汉理工大学计算机科学与技术学院,武汉430070；

摘要：相比于单一语言的短文本情感分类而言，混合语言由于其表达情感的单词语言不唯一，语法结构复杂，仅使用传统词嵌入的方法无法使分类器学到足够有用的特征，导致分类效果不佳。针对这些问题，提出一种融合字词特征的双通道复合模型。首先，针对数据集不平衡问题，提出一种基于Bert语义相似度的数据集欠采样算法；其次，构建双通道深度学习网络，分别将以字、词方式嵌入的原始数据通过两个通道送入CNN和带有注意力机制的LSTM组成的模块中进行多粒度特征提取；最后融合多通道的特征进行分类。在NLPCC2018任务1公布的混合语言五分类数据集上的实验表明，该模型的整体性能较目前有代表性的深度学习模型有进一步提高。

关键词：混合语言短文本,多通道,注意力机制,融合特征,

基金资助：湖北省自然科学基金资助项目(2019CFC919)；；