原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
ComputerEngineeringandApplications计算机工程与应用2022，58（24）151
基于BG-DATT-CNN网络的方面级别情感分析
1，211
余本功，王惠灵，朱晓洁
1.合肥工业大学管理学院，合肥230009
2.合肥工业大学过程优化与智能决策教育部重点实验室，合肥230009
摘要：分析句子针对不同方面的情感极性，深入挖掘评论文本中的信息，为企业生产决策提供建议。针对传统方
法多考虑单一层面注意力信息，且基于RNN的模型忽略了局部特征的重要性，而基于CNN的模型不能捕捉长距离
依赖的信息的问题，提出了基于双重注意力机制的BG-DATT-CNN模型。在特征表示上，利用BERT对句子和方面
词分别进行词向量编码，获得文本的深层语义特征。在特征提取上，设计了双重注意力机制，通过计算两类权重获
得综合权重，强化文本的上下文相关特征和方面相关特征。在模型构建上，设计了BG-DATT-CNN网络，结合GRU
K
和CNN各自的优势，Bi-GRU层捕捉文本的上下文全局特征，CNN层包括-Max池化层和TextCNN层，通过两阶段
特征提取获取分类的关键信息。在SemEval2014数据集上的实验表明，与现有的其他模型相比，提出的模型取得
了较好的效果。
K
关键词：方面级别情感分类；双重注意力机制；Bi-GRU；-Max池化；TextCNN
文献标志码：A中图分类号：TP381doi：10.3778/j.issn.1002-8331.2105-0483
Aspect-LevelSentimentAnalysisBasedonBG-DATT-CNNNetwork
1，211
YUBengong,WANGHuiling,ZHUXiaojie
1.SchoolofManagement,HefeiUniversityofTechnology,Hefei230009,China
2.KeyLaboratoryofProcessOptimizationIntelligentDecision-Making（HefeiUniversity）,MinistryofEducation,Hefei
230009,China
Abstract：Thispaperaimstoanalyzetheemotionalpolarityofsentencestowardsdifferentaspects,minetheinformation
inthecommentarytextdeeply,andprovidesuggestionsforenterprisestomakeproductiondecisions.Traditionalmethods
mostlyconsiderthesinglelevelofattentioninformationandtheRNN-basedmodelignorestheimportanceoflocalfea-
tureswhiletheCNN-basedmodelcannotcapturelong-distancedependentinformation.Tosolvetheaboveproblems,a
modelnamedBG-DATT-CNNbasedondualattentionmechanismisproposed.Intermsoffeaturerepresentation,BERT
isusedtoencodethesentenceandaspectrespectively,soastoobtainthedeepsemanticfeaturesofthetext.Intermsof
featureextr
文档评论（0）