基于多尺度特征与混合注意力的社交媒体文本情感分类研究

摘要

社交媒体中的文本往往具有碎片化和口语化的特征，且携带的有效情感信息较为稀缺，导致情感分类任务在捕获有效情感特征方面面临挑战。针对现有方法在有效情感特征提取和整合方面的不足，提出了一种多尺度特征与混合注意力机制的情感分类模型（MFHA-ECM），该模型基于Chinese-bert-wwm-ext提取文本的全局语义特征，通过卷积神经网络（CNN）捕捉拼音和汉字偏旁部首的字符级表层特征，利用双向门控循环单元（BiGRU）建模HowNet义原的深层语义依赖，从而形成多尺度特征体系；旨在有效发掘社交媒体文本中稀缺的情感特征，提高情感分类的准确性和鲁棒性。同时，模型引入了混合注意力机制，包括BERT自注意力、通道注意力、序列注意力和门控注意力，实现了情感特征的自适应增强与融合，提升了对情感线索的综合感知能力。在SMP2020微博通用情绪分类数据集上，模型取得77.06%的宏平均F₁值，验证了其有效性。

关键词

社交媒体 / 情感分类 / 多尺度特征 / 注意力机制

基金资助

国家自然科学基金项目（62366040,62006130,62066044）; 内蒙古自治区高等学校青年科技英才支持计划项目（NJYT24037）; 内蒙古自治区高校青年教师科研创新能力支持项目; 内蒙古自治区自然科学基金项目（2022MS06028,2023LHMS06021）; 内蒙古自治区2025年“英才兴蒙”工程个人项目暨青年拔尖人才项目; 内蒙古自治区高校科研直属项目（GXKY22050,GXKY23Z067,GXKY22134,GXKY23Z015）; 内蒙古自治区人才开发基金项目; 内蒙古民族大学博士科研启动基金项目（BS662）;内蒙古民族大学智慧农牧创新团队项目