计算机工程

作者：赵亚南, 刘渊, 宋设

单位：1. 江南大学 数字媒体学院, 江苏 无锡 214122;2. 江苏省媒体设计与软件技术重点实验室, 江苏 无锡 214122;3. 浪潮卓数大数据产业发展有限公司, 江苏 无锡 214062

关键词：金融文本,情感极性分析,多头自注意力机制,特征融合,深度学习

基金：国家自然科学基金面上项目（61672264）。

针对现有文本情感分析方法存在的无法高效捕捉相关文本情感特征从而造成情感分析效果不佳的问题，提出一种融合双层多头自注意力与卷积神经网络（CNN）的回归模型DLMA-CNN。采用多头自注意力机制学习序列内部的词依赖关系，从而捕获序列的内部结构。重利用浅层特征并与多头自注意力特征进行融合，结合深度学习中的CNN进一步优化文本情感极性分析效果。在基准数据集SemEval-2017 Task 5上进行实验，结果表明，与传统机器学习算法CNN、ELSTM、Att-BLSTM等相比，该模型取得了较好的情感极性分析效果，且运行效率较高。

来源：2020年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第8期