Transformer-Encoder-GRU (T-E-GRU)：面向中文评论文本的中文情感分析
计算与语言
2021-08-03 v1 人工智能
摘要
中文情感分析（CSA）因其复杂性与不确定性，一直是自然语言处理中的挑战之一。Transformer在捕获语义特征上已取得成功，但其使用位置编码捕获序列特征，相较循环模型存在显著不足。本文提出用于中文情感分析的T-E-GRU，其结合了transformer encoder与GRU。我们在三个中文评论数据集上进行了实验。鉴于中文评论文本中标点符号的混乱，我们有选择地保留了部分具备句子分割能力的标点符号。实验结果表明，T-E-GRU优于经典循环模型及带注意力的循环模型。
引用
@article{arxiv.2108.00400,
title = {Transformer-Encoder-GRU (T-E-GRU) for Chinese Sentiment Analysis on Chinese Comment Text},
author = {Binlong Zhang and Wei Zhou},
journal= {arXiv preprint arXiv:2108.00400},
year = {2021}
}