点击次数：

所属单位：计算机科学与数学学院

发表刊物：计算机工程与应用

项目来源：省、自治区、直辖市科技项目

关键字：：深度学习；文本情感分析；基于变换器的双向编码器表征技术（BERT）；卷积神经网络（CNN）；协同结构

摘要：由于基于变换器的双向编码器表征技术（Bidirectional Encoder Representations from Transformers，BERT）的提出，改变了传统神经网络解决句子级文本情感分析问题的方法。目前的深度学习模型BERT本身学习模式为无 监督学习，其需要依赖后续任务补全推理和决策环节，故存在缺乏目标领域知识的问题。提出一种多层协同卷积神经网络模型（Multi-level Convolutional Neural Network，MCNN），该模型能学习到不同层次的情感特征来补充领域 知识，并且使用BERT预训练模型提供词向量，通过BERT学习能力的动态调整将句子真实的情感倾向嵌入模型，最后将不同层次模型输出的特征信息同双向长短期记忆网络输出信息进行特征融合后计算出最终的文本情感性向。实验结果表明即使在不同语种的语料中，该模型对比传统神经网络和近期提出的基于BERT深度学习的模型，情感极性分类的能力有明显提升。

备注：2021.10.05 通过。报告编号：ZWHX0210334

论文类型：期刊论文

论文编号：13071

卷号：57

期号：13

页面范围：176-184

ISSN号：1002-8331

是否译文：否

CN号：11-2127/TP

发表时间：2021-02-24