期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合卷积神经网络与层次化注意力网络的中文文本情感倾向性分析 被引量：25
1
作者 程艳 叶子铭 +2 位作者 王明文 张强 张光河 《中文信息学报》 CSCD 北大核心 2019年第1期133-142,共10页
文本情感倾向性分析是自然语言处理研究领域的一个基础问题。基于深度学习的模型是处理此问题的常用模型。而当前的多数深度学习模型在中文文本情感倾向性分析方面的应用存在两个问题:一是未能充分考虑到文本的层次化结构对情感倾向性... 文本情感倾向性分析是自然语言处理研究领域的一个基础问题。基于深度学习的模型是处理此问题的常用模型。而当前的多数深度学习模型在中文文本情感倾向性分析方面的应用存在两个问题:一是未能充分考虑到文本的层次化结构对情感倾向性判定的重要作用,二是传统的分词技术在处理文本时会产生歧义。该文针对这些问题基于卷积神经网络与层次化注意力网络的优点提出了一种深度学习模型C-HAN(Convolutional Neural Network-based and Hierarchical Attention Network-based Chinese Sentiment Classification Model),先用并行化卷积层学习词向量间的联系与组合形式,再将其结果输入到基本单元为双向循环神经网络的层次化注意力网络中判定情感倾向。实验表明:模型在中文评论数据集上倾向性分类准确率达到92.34%,和现有多个情感分析模型相比有所提升;此外,对于中文文本,选择使用字级别词向量作为原始特征会优于词级别词向量作为原始特征。 展开更多
关键词 卷积神经网络 层次化注意力网络 情感倾向性分析 词向量
在线阅读 下载PDF
融合用户和产品信息的多头注意力情感分类模型 被引量：4
2
作者 蒋宗礼 张静 《计算机系统应用》 2020年第7期131-138,共8页
针对传统情感分类方法提取文本信息单一的问题,提出了一种融合用户信息和产品信息的分层多头注意力的情感分类模型.首先,采用分层的多头注意力代替单一注意力,从多个视角获取有效信息.然后在每个注意力中都融入用户信息和产品信息,挖掘... 针对传统情感分类方法提取文本信息单一的问题,提出了一种融合用户信息和产品信息的分层多头注意力的情感分类模型.首先,采用分层的多头注意力代替单一注意力,从多个视角获取有效信息.然后在每个注意力中都融入用户信息和产品信息,挖掘出用户和产品信息在多个子空间上的表现特征,使模型在多个子空间上得到更全局的用户偏好和产品特点对情感评分的影响.实验结果表明,模型在IMDB、Yelp2013、Yelp2014数据集上的准确率较之前基于神经网络的情感分析模型均有所提高. 展开更多
关键词 文档级情感分类 多头注意力机制 层次化注意力网络 用户产品信息
在线阅读 下载PDF
基于层次化双重注意力网络的乳腺多模态图像分类 被引量：1
3
作者 杨霄 袭肖明 +1 位作者 李维翠 杨璐 《山东大学学报（工学版）》 CAS CSCD 北大核心 2022年第3期34-41,共8页
为解决现有多模态图像融合方法忽略临床先验知识的利用,且多模态之间的信息交互不充分等问题,提出基于层次化双重注意力网络的乳腺多模态图像分类方法,引入新的先验学习模块,有效挖掘和利用临床先验,提升单模态特征的区分性。设计层次... 为解决现有多模态图像融合方法忽略临床先验知识的利用,且多模态之间的信息交互不充分等问题,提出基于层次化双重注意力网络的乳腺多模态图像分类方法,引入新的先验学习模块,有效挖掘和利用临床先验,提升单模态特征的区分性。设计层次化的双重注意力模块,利用注意力机制同时增强全局模态间通道特征和局部模态内特征的区分性信息,增强模态间的信息交互,进一步提升多模态融合的分类性能。试验结果表明,与其他方法对比,提出的模型能够取得更好的性能,在受试者工作特征曲线下面积、准确性、特异性和灵敏度分别达到为82.5%、83.3%、80.0%和85.0%。结果证明建立层次化双重注意力网络预测乳腺肿瘤良恶性可行。 展开更多
关键词 乳腺肿瘤 多模态融合 先验知识 层次化双重注意力网络 深度学习
原文传递
基于HAN的双通道复合模型的文本情感分类 被引量：6
4
作者 李辉 黄钰杰 李金秋 《传感器与微系统》 CSCD 北大核心 2021年第8期121-125,共5页
针对单一的神经网络模型结构简单、传统的注意力模型无法有效提取层次化的文本特征的问题,提出了一种基于HAN的双通道复合模型的文本情感分类。首先,在一个通道上使用双向门限循环(GRU)神经网络提取序列化信息,并引入层次化注意力网络(H... 针对单一的神经网络模型结构简单、传统的注意力模型无法有效提取层次化的文本特征的问题,提出了一种基于HAN的双通道复合模型的文本情感分类。首先,在一个通道上使用双向门限循环(GRU)神经网络提取序列化信息,并引入层次化注意力网络(HAN)学习序列层次化文本信息。其次,在另一通道中借助分解卷积神经网络(CNN)获取局部文本特征,结合HAN学习深层次特征信息。最后,将两个通道进行融合,丰富特征向量,优化文本情感分类效果,提高模型的准确率。在3组中文数据集上进行多组对比实验,本文模型准确率分别达到92.06%,91.08%,92.71%,证明提出模型比单一通道模型表现更出色,使用层次化注意力网络比传统的注意力网络效果更好。 展开更多
关键词 卷积神经网络 门限循环神经网络 层次化注意力网络 情感分析
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部