论文部分内容阅读
为了对中文微博进行有效的情感极性识别，基于表情符能改变或加强微博文本的情感极性这一认知事实，提出基于表情符注意力机制的微博情感分析神经网络模型。该模型在使用双向循环神经网络模型（Bi-LSTM）学习文本的特征表示时，利用表情符注意力机制，得到文本结合表情符后新的特征表示，从而实现微博情感识别。实验结果显示，与输入纯文本和表情符的Bi-LSTM模型相比，基于表情符注意力机制的模型准确率提高了4.06%；与仅输入纯文本的Bi-LSTM模型相比，基于表情符注意力机制的模型准确率提高了6.35%。