基于MindSpore框架的CGL-MHA模型用于讽刺情感识别
计算与语言
2024-11-05 v1 机器学习
摘要
互联网和社交媒体的广泛使用为自动情感分析带来了重大挑战，特别是用户生成内容中的讽刺表达。讽刺通过表面上积极或夸张的语言传达负面情绪，使其在自然语言处理任务中的检测变得复杂。为此，我们提出了一种创新的讽刺检测模型，集成了卷积神经网络（CNN）、门控循环单元（GRU）、长短期记忆网络（LSTM）和多头注意力机制。CNN组件捕获局部n-gram特征，而GRU和LSTM层建模序列依赖和上下文信息。多头注意力增强了模型对输入相关部分的关注，提高了可解释性。在两个讽刺检测数据集 Headlines 和 Riloff 上的实验表明，该模型在 Headlines 上达到81.20%的准确率和80.77%的F1分数，在 Riloff 上达到79.72%的准确率和61.39%的F1分数，优于传统模型。这些结果验证了我们混合方法在社交媒体文本讽刺检测中的有效性。
引用
@article{arxiv.2411.01264,
title = {An Innovative CGL-MHA Model for Sarcasm Sentiment Recognition Using the MindSpore Framework},
author = {Zhenkai Qin and Qining Luo and Xunyi Nong},
journal= {arXiv preprint arXiv:2411.01264},
year = {2024}
}