基于BERT双通道的疫情舆论情感分类研究

摘要

随着新冠疫情的发展，网络上出现大量关于疫情的舆论，其背后反映了广大人民对于疫情发展的心态.为了帮助政府及有关部门更好地监察疫情下人民的心理状态，以便更好地维护社会的安定，该文建立了基于BERT语言模型的双通道情感分类模型，完成了评论文本情感上的自动分类.首先，利用BERT模型对输入文本进行编码.通过对BERT-TextCNN通道与BERT-BiLSTM-Attention通道的联动设计，分别解决中文词语存在的一词多义的情况，以及文本过长导致地获取上下文信息困难的问题.本文提出的双通道模型在结合多维度的信息方面取得了一定进展，将分类准确率提高至92.22%,相较于其他基线模型有明显提升.

关键词

BERT / 双向长短时记忆网络 / 多粒度特征融合 / 注意力机制 / 情感分类