基于词向量与CNN-BIGRU的情感分析研究

传统情感分析模型中最重要的两个模型是卷积神经网络(CNN)模型和循环神经网络(RNN)模型,其中CNN只能提取文本局部信息,RNN容易陷入梯度爆炸问题.针对上述问题,提出一种将CNN与双层双向门控循环单元(BIGRU)相结合的方法,该方法结合了CNN能够提取局部特征和双层BIGRU能够提取上下文语义并加强特征信息的优点.此外,在情感分析文本中经常会存在语言上的不规范性,影响文本提取的准确性.针对该问题,提出在原先的词向量计算模型中引入Attention机制来聚焦文本的重要信息.实验结果表明,该模型的准确率相比不引入Atten?tion机制时提高了1.21％,相比CNN-BILSTM模型提高了1.58％,相比CNN-BIGRU模型提高了1.39％.