软件学报

作者：李卫疆，漆芳，余正涛

单位：李卫疆，昆明理工大学 信息工程与自动化学院, 云南 昆明 65050011,漆芳，昆明理工大学 信息工程与自动化学院, 云南 昆明 65050002,余正涛，昆明理工大学 信息工程与自动化学院, 云南 昆明 65050003

关键词：情感分类;多通道特征;自注意力;深度学习;双向LSTM

基金：国家自然科学基金（62066022）；国家重点研发计划（2018YFC0830105）

针对情感分析任务中没有充分利用现有的语言知识和情感资源，以及在序列模型中存在的问题：模型会将输入文本序列解码为某一个特定的长度向量，如果向量的长度设定过短，会造成输入文本信息丢失.提出了一种基于多通道特征和自注意力的双向LSTM情感分类方法（MFSA-BiLSTM），该模型对情感分析任务中现有的语言知识和情感资源进行建模，形成不同的特征通道，并使用自注意力重点关注加强这些情感信息.MFSA-BiLSTM可以充分挖掘句子中的情感目标词和情感极性词之间的关系，且不依赖人工整理的情感词典.另外，在MFSA-BiLSTM模型的基础上，针对文档级文本分类任务提出了MFSA-BiLSTM-D模型.该模型先训练得到文档的所有的句子表达，再得到整个文档表示.最后，对5个基线数据集进行了实验验证.结果表明：在大多数情况下，MFSA-BiLSTM和MFSA-BiLSTM-D这两个模型在分类精度上优于其他先进的文本分类方法.

来源：2021年第9期

《软件学报》期刊编辑部

查看软件学报杂志2021年第9期