融合多通道GRU和CNN的情感分析模型研究

Research on sentiment analysis model integrating multi-channel GRU and CNN

摘要

情感分析是自然语言处理中的一项核心任务，主要评估文本中表达的情绪或感情色彩.在当前的情感分析研究中，多数模型均依赖于双向变换器模型（BERT）作为特征提取器，且主要聚焦于较为简单的二分类或三分类任务.针对细粒度情感分析，提出了一种新的混合双通道门控循环单元和卷积神经网络（GRU-CNN）情感分析模型（GGC）.该模型利用生成式预训练变换器（GPT）作为特征提取器，更精准地捕获文本中的深层含义.在此基础上，模型将提取到的文本特征输入到多通道的GRU和CNN中，分别捕获全局和局部特征.同时该模型引入了注意力机制，将这2种特征进行动态融合.模型根据不同特征重要性，分配差异化权重，聚焦关键情感信息.结果表明，该方法在情感分析任务中展现出显著优势.

关键词

情感分析 / 自然语言处理 / GPT / 特征融合 / 注意力机制

Key words

sentiment analysis / natural language processing / GPT / feature fusion / attention mechanisms

基金资助

国家自然科学基金(61540063)