【摘 要】
：
自然语言处理中采用提取用户评论中的情感信息来进行情感分类的研究,但在现有的方法中很多只考虑了评论中的文本信息,而忽略了用户特征和产品特征在决定评论的情感时发挥的作
【机 构】
：
燕山大学 信息科学与工程学院,河北 秦皇岛066004河北省计算机虚拟技术与系统集成重点实验室,河北 秦皇岛066004;燕山大学 信息科学与工程学院,河北 秦皇岛066004;
论文部分内容阅读
自然语言处理中采用提取用户评论中的情感信息来进行情感分类的研究,但在现有的方法中很多只考虑了评论中的文本信息,而忽略了用户特征和产品特征在决定评论的情感时发挥的作用.因此,为了解决上述问题,本文提出一种引入注意力机制(Attention Mechanism,AM),将双向门控递归单元(Bidirectional Gated Recurrent Unit,BiGRU)和卷积神经网络(Convolu-tional Neural Network,CNN)相联合的文本情感分类模型.本模型首先利用BiGRU进行序列化学习,然后引入注意力机制将较大的权重赋予给相关的特征,之后将其作为CNN的输入来提取评论文本中的特征,从而充分结合了文本的时间序列信息和局部上下文信息,将最大池应用于连接向量,分别得到用户评论文本与产品文本的特征表示,并将两者进行结合得到最终的文本特征进行分类.经实验结果表明,该模型对评论文本情感分类的作用是很大的.
其他文献
第一部分pAdEasyBMP9和pAdEasyGFP的扩增，C3H10T1/2细胞的诱导目的：利用HEK293细胞扩增收集高滴度pAdEasyBMP9和pAdEasyGFP，以此诱导C3H10T1/2细胞使之呈BMP9高表达。方法：利用HE
为提高客服服务水平,越来越多企业开始建立智慧客服系统.其中,用户意图识别是智慧客服系统的重要组成部分.通过监听用户和客服之间的对话,分析用户来电意图,为智慧客服系统提
图像奇异值分解产生的归一化系数可以保留原始图像的大部分纹理信息并对光照条件不敏感,本文中采用归一化后的奇异值矩阵即奇异值脸来表示低光照人脸图像的主要特征.基于卷积神经网络的深度学习算法已经广泛应用于图像识别领域,通过在网络中加入注意力模块可以关注图像中的重要信息并抑制不必要的信息.本文提出一种结合奇异值脸和注意力卷积神经网络的人脸识别模型,算法首先采用归一化后的奇异值矩阵来表示人脸特征,然后将特征
背景介绍:肺癌是中国乃至全世界领域引起癌症死亡的最主要的原因。在组织学类型上可分为小细胞肺癌和非小细胞肺癌(Non Small Lung Cancer,NSCLC)。在NSCLC中,腺癌是最常见的