典型文献
基于改进BERT的景点评论情感分析
文献摘要：
针对景点推荐领域评论的情感信息未得到充分利用的现状,文章融合残差网络和双向长短期记忆网络提出了一种改进的BERT模型.深度学习模型BERT以无监督的学习方式,通过后续的任务来完成推理和判断,而在语义层面忽略特定领域知识.该文研究多头残差网络(Multi-head residual network,MRN),可以从多个层面上学习情绪特征,在补充领域知识的同时避免深度神经网络退化,利用BERT预训练模型提供语义特征,动态地将语句的情感嵌入到模型中,并将各层次模型输出的特征与双向长短期记忆网络的输出数据进行特征融合,得到最终的文本情感.该模型对比BERT预训练模型、BERT-BiLSTM模型、BiLSTM模型和卷积神经网络CNN的实验结果,最后得到的F1值和准确率都有显著提高.由此认为,BERT-MRN模型的情感极性分析能力有较好的提升,可以更好地分析景点评论的情感信息.
文献关键词：
情感分析;BERT;残差网络;双向长短期记忆网络
中图分类号：
作者姓名：
刘宇泽;叶青;刘建平
作者机构：
长沙理工大学电气与信息工程学院,长沙 410114
文献出处：
引用格式：
[1]刘宇泽;叶青;刘建平-.基于改进BERT的景点评论情感分析)[J].传感器世界,2022(12):24-29
A类：
B类：
BERT,点评,情感分析,对景,景点推荐,情感信息,融合残差,残差网络,双向长短期记忆网络,深度学习模型,无监督,学习方式,过后,语义层面,特定领域,领域知识,多头,Multi,head,residual,network,MRN,学习情绪,情绪特征,深度神经网络,预训练模型,语义特征,语句,情感嵌入,各层次,层次模型,模型输出,特征融合,文本情感,模型对比,BiLSTM,情感极性,分析能力
AB值：
0.375854
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
