%0 Journal Article
%T 结合自注意力机制和Tree-LSTM的情感分析模型
%A 卫琳
%A 张鑫倩
%A 石磊
%A 陶永才
%J 中山大学学报（自然科学版）
%D 2019
%X 摘要 情感分析随着人工智能的发展而逐渐受到重视,微博情感分析旨在研究用户对于社会热点事件的情感倾向,研究表明深度学习在情感分析上具有可行性.针对传统循环神经网络模型存在信息记忆丢失、忽略上下文非连续词之间的相关性和梯度弥散的问题,为此本文结合自注意机制和Tree-LSTM模型,并且在Tree-LSTM模型的输出端引入了Maxout神经元,基于以上两种改进基础上构建了SAtt-TLSTM-M模型.实验使用COAE2014评测数据集进行情感分析,实验结果表明:本文提出的模型相比于传统的SVM、MNB和LSTM模型准确率分别提高了16.18%、15.34和12.05%,其中引入了Maxout神经元的RMNN模型相对于LSTM模型准确率提高了4.10%,引入自注意力机制之后的Self-Attention+Tree-LSTM模型相比于Tree-LSTM模型准确率提高了1.85%,并在召回率和F值两项指标上均优于其他对比模型.由此证明,本文提出的SAtt-TLSTMM模型可用于提高情感分析的准确率,具有一定的研究价值
%K 微博情感分析
%K 自注意力机制
%K Tree-LSTM模型
%K Maxout神经元
%U http://xwxt.sict.ac.cn/CN/abstract/abstract5028.shtml