基于词向量与CNN-BIGRU的情感分析研究

摘要

传统情感分析模型中最重要的两个模型是卷积神经网络（CNN）模型和循环神经网络（RNN）模型，其中CNN只能提取文本局部信息，RNN容易陷入梯度爆炸问题。针对上述问题，提出一种将CNN与双层双向门控循环单元（BIGRU）相结合的方法，该方法结合了CNN能够提取局部特征和双层BIGRU能够提取上下文语义并加强特征信息的优点。此外，在情感分析文本中经常会存在语言上的不规范性，影响文本提取的准确性。针对该问题，提出在原先的词向量计算模型中引入Attention机制来聚焦文本的重要信息。实验结果表明，该模型的准确率相比不引入Attention机制时提高了1.21%，相比CNN-BILSTM模型提高了1.58%，相比CNN-BIGRU模型提高了1.39%。

 

0 引言

情感分析是指利用自然语言处理及计算机语言学等技术识别与提取原素材中的主观信息，找出意见发表者在某些话题上的两极观点态度［1］。目前情感分析方法分为