计算机应用研究

作者：谭皓,邓树文,钱涛,姬东鸿,

单位：1.武汉大学计算机学院,武汉430072；2.湖北科技学院计算机学院,湖北咸宁437100；

关键词：表情符,微博,情感分析,注意力机制,

基金：国家自然科学基金面上项目(61772378)；国家社会科学基金重大项目(11&ZD189)；湖北省自然科学基金一般面上项目(2018CFB690)；；

为了对中文微博进行有效的情感极性识别，基于表情符能改变或加强微博文本的情感极性这一认知事实，提出基于表情符注意力机制的微博情感分析神经网络模型。该模型在使用双向循环神经网络模型（Bi-LSTM）学习文本的特征表示时，利用表情符注意力机制，得到文本结合表情符后新的特征表示，从而实现微博情感识别。实验结果显示，与输入纯文本和表情符的Bi-LSTM模型相比，基于表情符注意力机制的模型准确率提高了4.06%；与仅输入纯文本的Bi-LSTM模型相比，基于表情符注意力机制的模型准确率提高了6.35%。

来源：2019年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第9期