融合注意力机制的多通道卷积与双向GRU模型的文本情感分析研究

袁和金，张 旭，牛为华，崔克彬

(华北电力大学 控制与计算机工程学院，河北 保定 071003)

0 引言

近年来，随着互联网技术的快速发展以及社交媒体的不断涌现，越来越多的用户习惯于通过社交媒体表达自己的观点与想法，这就积累了大量的短文本数据。通过对这些信息利用情感分析的技术进行分析，可以发现用户对特定产品、事件上的情感倾向,从而帮助研究机构掌握社会情绪动态[1]。情感倾向性分析，又称主客观分析，以挖掘文本信息中用户表达的情感极性为目标。近年来，针对社交媒体的用户观点情感分析已经成为了自然语言处理(natural language processing, NLP)领域的热点问题，具有非常高的研究与实用价值。因此本文的研究目的是提出一种文本情感分析模型，以提升文本情感分析的准确度。

目前，文本情感分析方法主要可以分为三种： 基于语义的情感词典方法、基于传统机器学习的方法以及基于深度学习的方法。基于语义的情感词典方法的基础是首先构建情感词典，然后设定倾向性评价指标与方法，最后通过确定阈值来判定文本的倾向性。该方法实现较为简单，不需要人工标注的数据集，但是由于情感词典在构建时遇到的种种难题，其效果一般。基于机器学习的方法，首先需要人工对文本进行情感倾向性标注，其次通过人工设计特征，对文本情感特征进行提取，最后，使用相关机器学习方法，如朴素贝叶斯、支持向量机等构建分类器对文本情感进行分类[2]。……