基于多模型融合深度学习算法的文本情感分析模型

摘要

针对复杂场景下文本情感分析过程中语义理解不足、上下文利用不充分以及长距离依赖弱化等问题，提出一种基于多模型融合深度学习算法的文本情感分析模型。该模型融合RoBERTa生成词向量、双向长短期记忆网络(Bidirectional Long Short-Term Memory, BiLSTM)捕获长距离依赖及Bahdanau注意力聚焦关键信息。将RoBERTa上下文建模优势与BiLSTM序列建模能力相结合，增强对深层语义信息的捕捉，通过Bahdanau注意力机制强化模型，提高对情感关键词的感知与判别能力，以实现文本语义信息的深度理解、充分挖掘上下文关系以及准确捕捉影响情感分类的关键信息。实验结果表明，所提模型相较于BiLSTM模型在不同类型数据集上的稳定性和泛化能力有所提高。

关键词

文本情感分析 / RoBERTa / 双向长短期记忆网络 / 注意力机制 / 深度学习