针对网络舆情情感分析的RoBERTa-BiLSTM-Multihead Attention模型.pdfVIP

ComputerScienceandApplication计算机科学与应用,2025,15(4),152-161

PublishedOnlineApril2025inHans./journal/csa

/10.12677/csa.2025.154088

针对网络舆情情感分析的

RoBERTa-BiLSTM-MultiheadAttention模型

*

俞凯，牟兆祥，王天宇

山东科技大学安全与环境工程学院，山东青岛

收稿日期：2025年3月11日；录用日期：2025年4月9日；发布日期：2025年4月16日

摘要

本文提出了一种基于RoBERTa-BiLSTM-MultiheadAttention(RBMA)的融合模型，旨在解决当前网络舆

情情感分析中存在的两个主要问题：一是单一模型难以充分提取文本的深层语义特征，二是传统方法在

处理复杂情感转变和长序列依赖时表现不佳。为了克服这些挑战，本文首先使用RoBERTa预训练模型捕

捉文本中词汇的语义信息，随后通过双向长短期记忆网络(BiLSTM)学习句子的正反向语义关系，以更好

地理解上下文结构和文本的依赖关系。最后，模型引入多头注意力机制，对文本中的情感信息进行加权

计算，以精准识别文本的情感倾向。通过在微博评论数据集上进行实验，RBMA模型展示了其在准确率、

精确率、召回率和F1值等评价指标上的优异性能。相比于传统的LSTM、BERT、RoBERTa等模型，RBMA

模型能够更全面地捕捉文本中的上下文信息，从而显著提升了情感分析的精度。进一步的实验证明，该

模型在处理真实的舆情事件时，能够有效捕捉公众情感的波动，尤其在应对突发事件的舆情分析中表现

出色。这为政府和企业的舆情管理提供了有力的技术支持。

关键词

网络舆情，深度学习，多头注意力机制，文本情感分类，舆情监测

RoBERTa-BiLSTM-MultiheadAttention

ModelforOnlinePublicOpinion

SentimentAnalysis

*

KaiYu,ZhaoxiangMu,TianyuWang

CollegeofSafetyandEnvironmentalEngineering,ShandongUniversityofScienceandTechnology,

QingdaoShandong

*通讯作者。

文章引用:俞凯,牟兆祥,王天宇.针对网络舆情情感分析的RoBERTa-BiLSTM-MultiheadAttention模型[J].计算机科

学与应用,2025,15(4):152-161.DOI:10.12677/csa.2025.154088

俞凯等

ththth

Received:Mar.11,2025;accepted:Apr.9,2025;published:Apr.16,2025

Abstract

ThispaperproposesahybridmodelbasedonRoBERTa-BiLSTM-MultiheadAttention(RBMA)toad-

dresstwomajorchallengesinonlinepublicopinionsentimentanalysis:1)thedifficultyofasingle

modelinfullycapturingdeepsemanticfeaturesoftext,and2)thepoorperformanceoftraditional

methodsinhandlingcomplexsent