基于BERT和BiLSTM的方面级情感分类模型  

作　　者：戴薇 刘继[1] DAI Wei;LIU Ji

机构地区：[1]新疆财经大学统计与数据科学学院,新疆乌鲁木齐830012

出　　处：《信息技术与信息化》2024年第11期177-181,共5页Information Technology and Informatization

基　　金：国家自然社科基金资助项目“大数据背景下网络舆情智能治理:共同体构建、协同演进与引导机制”(72164034);新疆社会科学基金项目“新疆游客网络评论情感特征图谱分析与智慧旅游优化策略研究”(2024BTJ057)。

摘　　要：文章旨在通过融合BERT和BiLSTM模型,提出了一种新的方面级情感分类方法,以提高情感分析的准确性和深度。目的是为了更好地捕捉和理解细粒度情感表达,特别是针对特定方面的情感倾向。首先采用BERT模型提取的深层语义特征,然后利用BiLSTM网络编码词向量,学习并提取全局特征,包括捕捉前后文中的依赖关系,从而有效地编码每个词元的上下文信息。此外,研究中引入指针生成网络(Span)作为输出层,以提高分类的精确性。实验结果显示,模型在方面级情感分类任务上,相比现有技术显示出更高的准确率和F_(1)得分。所提出的模型通过深度融合BERT和BiLSTM,有效地提升了模型对复杂情感的处理能力和精确度,证明了其在情感分析中的应用价值和潜力。

关 键 词：深度学习 情感分类 BiLSTM BERT 指针生成网络 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术]