分享资料个
情感分类对推荐系统、自动问答、阅读理解等下游应用具有重要应用价值，是自然语言处理领堿的重要硏究方向。情感分类任务直接依赖于上下文，包括全局和局部信息，而现有的神经网络模型无法同时捕获上下文局部信息和全局信息。文中针对单标记和多标记情感分类任务，提出一种循环卷积注意力模型（ LSTM-CNN-ATT，LCA）。该模型利用注意力机制融合卷积神经网络（ Convolutional neural network，CNN）的局部信息提取能力和循环神经网络（ Recurrent Neural network，RNN）的全局信息提取能力，包括词嵌入层、上下文表示层、卷积层和注意力层。对于多标记情感分类任务，在注意力层上附加主题信息，进一步指导多标记情感倾向的精确提取。在两个单标记数据集上的FⅠ指标达到82.1%，与前沿单标记模型相当;在两个多标记数据集上，小数据集实验结果接近基准模型，大数据集上的FⅠ指标达到ηδ8.38%，超过前沿模型，表明LCA模型具有较高的稳定性和较强的通用性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !
