融合注意力与比较增强学习机制的情感分析

摘要

文本情感分析通过提取文本特征，根据文本中的情感倾向进行分类。研究表明，递归神经网络和卷积神经网络模型具有良好的性能。为提高文本情感分类性能，提出一种融合注意力和比较增强学习机制的混合网络情感分析模型，用比较增强学习机制进行分类来替代大量的复杂计算。该模型通过嵌入层向量化后，分别用CNN和双向门控循环单元提取不同特点的文本特征，把两者提取得到的特征进行融合，并引入注意力机制判断不同词对句子含义的重要程度，再使用比较增强学习机制与样本向量进行比较后对特征向量进行评分。混合网络情感分析模型在两个情感分析数据集上的正确率分别到达了92.2%和94.1%，比传统的模型提高了0.6%和0.9%。

0 引言

随着互联网的发展，越来越多的人通过互联网平台发表观点。各种平台发表的文本包含了强烈的情感倾向，反映了用户的不同观点，这些内容丰富的文本信息是重要的数据资源，对这些海量文本进行情感分析具有重要意义。例如，通过分析人们对同一事件的不同看法，政府可以了解公众对社会事件和相关政策的看法；通过分析用户对产品的态度，公司可以优化更加符合公众需求的产品。情感分析的潜在价值激发了不同领域研究者的关注，如数据挖掘和自然语言处理。