基于动态词向量和注意力机制的文本情感分类
【摘要】 针对Word2vec等静态词向量模型对于每个词只有唯一的词向量表示，无法学习在不同上下文中的词汇多义性问题，提出一种基于动态词向量和注意力机制的文本情感分类方法。在大型语料库上利用深度双向语言模型预训练通用词向量;在情感分类任务的训练语料上对向量模型进行微调，得到最终的上下文相关的动态词向量作为输入特征;搭建双向长短期记忆网络模型，并引入注意力机制以提高特征提取的准确性。实验结果表明，该方法在IMDB和Yelp13数据集上的分类准确率分别提高了0.017和0.011。
