计算机科学与数学学院

福建工程学院学报

省、自治区、直辖市科技项目

双向长短期记忆神经网络; 双循环卷积神经网络; 注意力机制; 文本情感分析

深度神经网络模型通常使用注意力机制或融合卷积神经网络来提取特征，但由于注意力机制抓取的特征过于单一，存在提取特征不完善的问题。将循环机制引入卷积神经网络中，构建了具有双循环结构的网络模型( DＲCNN) ，从而改善模型的特征提取能力，将其与双向长短期记忆网络结合，提出一种带有注意力机制、特征提取能力更强的混合模型( BiLSTM-DＲCNN) 并应用于情感分类任务中。通过情感分类的实验分析表明，BiLSTM-DＲCNN 神经网络模型具有比较好的性能，与融合卷积神经网络( CNN) 和双循环长短期记忆神经网络( BiLSTM) 模型相，综合评价指标提高 2%以上; 与 BiLSTMCNN、Fusion Model 模型相比，综合评价指标提高了近 1%，且收敛速度更快。

2022.10.18 通过。

Journal paper

14027

20

4

383-390

8000

1672-4348

no

35-1267/Z

2022-08-25