融合字符与词语特征的混合神经网络情感分析模型.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（13）227

融合字符与词语特征的混合神经网络情感分析模型

111，2+

李嘉琦，杨环，高辉

1.电子科技大学计算机科学与工程学院，成都611731

2.喀什地区电子信息产业技术研究院，新疆喀什844000

+通信作者E-mail：huigao@uestc.edu.cn

摘要：汉语语句中没有明显的分隔符，这导致传统基于词语划分的编码模型可能会丢失句子内部的语义信息，特

别是在处理情感分析等任务时显得更为复杂。为克服这一难题，借鉴字符级和词语级特征融合的思路，提出了一种

融合特征模型。该模型将句子划分为两种级别的编码，采用Bi-GRU结构提取字符序列中的包含上下文信息的特征

关系，并引入注意力机制，使用CNN网络结构提取词语之间的局部特征关系，利用不同大小的卷积核获得不同距离

的局部特征，最后将二者特征进行融合，获得全局特征信息。在三个公开数据集Weibo、CIN和Chnsenticorp上的准

确率分别达到了81.32%、76.03%和96.28%，相比于以字符编码为基础的MCNN-IFGS模型，分别提高了1.02个百分

点、0.13个百分点和1.05个百分点，结果表明在中文情感分析任务中，融合特征模型的表现明显优于单独使用字符

级或词语级特征的模型，能够显著提升模型的性能和鲁棒性，更有效地提取文本的语义信息。

关键词：情感分析；混合神经网络；字符特征；词语特征；双向门控循环单元

文献标志码：A中图分类号：TP309.2doi：10.3778/j.issn.1002-8331.2404-0236

HybridNeuralNetworkSentimentAnalysisModelIncorporatingCharacterandWordFeatures

111，2+

LIJiaqi,YANGHuan,GAOHui

1.SchoolofComputerScienceandEngineering,UniversityofElectronicScienceandTechnologyofChina,Chengdu

611731,China

2.KashInstituteofElectronicsandInformationIndustry,Kash,Xinjiang844000,China

Abstract：Chinesesentenceslackexplicitdelimiters,makingtraditionalword-basedencodingmodelspronetolosing

internalsemanticinformation—especiallyinsentimentanalysistasks.Toaddressthis,afeaturefusionmodelisproposed

thatintegratescharacter-levelandword-levelrepresentations.ItusesaBi-GRUwithattentiontocapturecontextualfea-

turesfromcharactersequencesandaCNNwithmultiplekernelsizestoextractlocalword-levelfeatures.Thefusedfea-

turesyieldcomprehensiveglobalrepresentations.Testedonthreepublicdatasets—Weibo,CIN,andChnsenticorp,the

modelachievesaccuraciesof81.32%,76.03%,and96.28%,respectively,outperformingthecharacter-basedMCNN-IFGS

mo