基于門控注意力的雙通道情感分析及應用

【摘要】：針對傳統的基于深度學習的文本情感分類模型特征抽取不全面以及不能區分一詞多義的問題，提出一種基于門控注意力的雙通道情感分類模型BGA-DNet。該模型使用BERT預訓練模型對文本數據進行處理，然后經過雙通道網絡提取文本特征，其中通道一利用TextCNN提取局部特征，通道二利用BiLSTM-Attention提取全局特征，同時引入門控注意力單元將部分無用的注意力信息過濾掉，并結合殘差網絡思想，確保雙通道的輸出在網絡學習到飽和狀態下保留原始編碼信息。BGA-DNet在公開的酒店評論和餐飲評論兩個數據集上進行實驗評估，并與最新的情感分類方法進行對比，分別取得了準確率94.09%和91.82%的最佳效果。最后將BGA-DNet模型應用到真實的學生實驗心得體會評價任務上，與其他方法相比準確率和F_(1)值也是最高的。