一种基于BiGRU和胶囊网络的文本情感分析方法

摘要

针对现有基于商品评论文本的情感分析方法大都较少考虑评论文本的方面特征，相关分析模型也未同时考虑上下文长期依赖特征和文本局部特征，因而影响情感分析准确度的问题，提出了一种基于双向门控循环网络（BiGRU）和胶囊网络的文本情感分析方法。该方法首先采用基于词频统计的方法提取出评论文本的方面特征，并将其融入词向量表示中，从而有效提升词向量的表达能力。然后，采用BiGRU提取文本的上下文长期依赖特征，采用胶囊网络提取文本的局部特征，从而实现基于方面的高精度文本情感分析。真实数据集上的实验结果表明，本文提出的方法在准确率、查准率、查全率和F1分数等评价指标上，均优于双向长短期记忆网络（BiLSTM）、CNN-LSTM、TextCNN等现有情感分析模型。

关键词

深度学习 / 方面特征 / 情感分析 / 评论文本

基金资助

国家重点研发计划项目（2019YFB1405302）; 国家自然科学基金项目（61872072,61073063）