融合TCN与BiLSTM+Attention模型的疫情期间文本情感分析

	融合TCN与BiLSTM+Attention模型的疫情期间文本情感分析
	贵向泉; 高祯; 李立
刊名	西安理工大学学报
	2020-11-25
关键词	文本情感分析时序卷积网络双向长短期记忆网络自注意力机制疫情期间微博文本
英文摘要	鉴于目前主流的文本情感分析方法存在难以解决长期依赖和上下文信息使用不足的缺陷，本文首次提出将时序卷积网络（TCN）和BiLSTM+Attention模型融合的文本情感分析模型。该模型利用TCN的因果卷积和扩张卷积结构获取更高层次的文本序列特征，并通过双向长短期记忆网络（BiLSTM）进一步学习上下文相关信息的情感特征；最后，引入自注意力机制（Self-Attention）帮助模型优化特征向量，提高情感分类的准确度。在新型冠状病毒肺炎疫情期间微博文本数据集上进行对比实验，结果证明该模型的性能相对于其它模型有明显的提升。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/132774]
专题	计算机与通信学院
作者单位	兰州理工大学计算机与通信学院
推荐引用方式 GB/T 7714	贵向泉,高祯,李立. 融合TCN与BiLSTM+Attention模型的疫情期间文本情感分析[J]. 西安理工大学学报,2020.
APA	贵向泉,高祯,&李立.(2020).融合TCN与BiLSTM+Attention模型的疫情期间文本情感分析.西安理工大学学报.
MLA	贵向泉,et al."融合TCN与BiLSTM+Attention模型的疫情期间文本情感分析".西安理工大学学报 (2020).