|
|
1.
基于迁移学习的分层注意力网络情感分析算法
曲昭伟, 王源, 王晓茹
计算机应用
2018, 38 (11):
3053-3056.
DOI: 10.11772/j.issn.1001-9081.2018041363
文本情感分析的目的是判断文本的情感类型。传统的基于神经网络的研究方法主要依赖于无监督训练的词向量，但这些词向量无法准确体现上下文语境关系；常用于处理情感分析问题的循环神经网络（RNN），模型参数众多，训练难度较大。为解决上述问题，提出了基于迁移学习的分层注意力神经网络（TLHANN）的情感分析算法。首先利用机器翻译任务训练一个用于在上下文中理解词语的编码器；然后，将这个编码器迁移到情感分析任务中，并将编码器输出的隐藏向量与无监督训练的词向量结合。在情感分析任务中，使用双层神经网络，每层均采用简化的循环神经网络结构——最小门单元（MGU），有效减少了参数个数，并引入了注意力机制提取重要信息。实验结果证明，所提算法的分类准确率与传统循环神经网络算法、支持向量机（SVM）算法相比分别平均提升了8.7%及23.4%。
参考文献 |
相关文章 |
多维度评价
|
|
