结合注意力机制与双向GRU的文本情感分类方法
文本分类一直是自然语言处理的重要部分。文本分类方法主要是从文本中提取文本特征并根据文本特征进行分类，然而，特征的提取一直是文本分类的难点。因此，文本分类的结果精度一直不高。目前，深度学习方法已经被大量应用于文本特征的提取，并被证明能够有效的提取文本特征。但是，文本特征由分类结构学习，分类结构的选择直接影响分类结果。分类结构想要更好的学习文本特征时也需要大量时间进行训练。为了解决这些问题，本文提出了一种结合注意力机制(Attention Mechanism)与双向GRU(Gated Recurrent Unit)的分类方法对文本的特征进行学习。本文使用双向GRU层对文本特征进行提取，对提取到的特征使用注意力机制对其分配权重，同时保留了部分原始信息来确保语义的完整性。
文本分类 注意力机制 GRU 自然语言处理
金相国 刘伟 熊媛媛 王春枝
湖北工业大学计算机学院,武汉,430000
国内会议
河南开封
中文
51-54
2019-10-01（万方平台首次上网日期，不代表论文的发表时间）