基于交叉注意力机制和新闻正文的评论情感分类.docxVIP

基于交叉注意力机制和新闻正文的评论情感分类 近年来，由于社交媒体上用户普遍使用评论区来进行交流，情感分析成为一项引起人们重视的任务。情感分析是指从文本中识别和提取作者的情感或持有的观点。它可以用来了解文本的含义，并有助于包括智能客服和推荐系统在内的诸多应用程序。 新闻正文情感分析是一种检测新闻文本中含义和潜在观点的技术。然而，由于其联合性和复杂性，新闻正文情感分析也是一个挑战。在新闻正文中，有几个可能共享相同情感的部分可能会与每个其他部分彼此关联，了解文本语义的上下文挑战是很大的。 为了解决上述问题，我们提出了一种基于交叉注意力机制的新闻正文情感分类模型，以实现快速的情感提取和识别。我们所提出的模型基于卷积神经网络（CNN），使用多层卷积和跨层注意力机制提取语义特征。然后，使用位置级构建交叉注意力，聚合卷积神经网络多尺度和多层输出结果。它提供了一种新的方法，可以重点关注潜在的情感属性，捕捉文本的语义关系。 此外，我们还使用双向穆恩斯坦分配最大似然估计（BiMPM）来预测情感，以及一种改进的命名实体识别器，以提取新闻文本中的情感分类器更多的有利信息。 为了评估我们的模型，我们将许多语料库进行了比较，包括Foparis-2015，SoNaR-2014和SoNaR-2015。实验结果显示，所提出的模型在三个语料库中都表现出出色的性能，显著优于当前最先进的模型。 总之，我们提出了一种基于交叉注意力机制的新闻正文情感分类模型，它使用传统的CNN模型提取新闻文本中的语义特征，使用跨层注意力机制和位置级交叉注意力聚合成本，它利用双向穆恩斯坦分布最大似然估计和改进的命名实体识别器将中间语义特征转换为情感分类更多的有效信息。Experiment结果表明，我们的模型具有很高的准确率，因此可以成功应用于新闻正文情感分析系统。