1 论文标题：基于情感信息抽取与双向长短期记忆网络的情感分析研究

2 作者信息：姜兴盛*, 张 超, 毛义坪, 肖良成, 陈秋元, 任秋华：重庆对外经贸学院数学与计算机学院，重庆

3 出处和链接：姜兴盛, 张超, 毛义坪, 肖良成, 陈秋元, 任秋华. 基于情感信息抽取与双向长短期记忆网络的情感分析研究[J]. 数据挖掘, 2025, 15(3): 228-241. https://doi.org/10.12677/hjdm.2025.153019

4 摘要：网络舆情已成为当下不可忽视的研究领域，利用深度学习技术对舆情文本进行情感分析，可以通过分析结果对事件采取合适的决策。针对当前网络文本中因文本序列长度变化以及复杂的文本含义而导致的语义情感特征精准提取的问题，本文提出了一种基于CNN-BiLSTM与多头注意力(CBLMAtt)的舆情分析模型。该模型首先通过对网络文本数据和方面级数据进行训练学习，利用卷积神经网络(CNN)的变体对文本中的高级语义特征进行提取。其次将提取到的特征作为输入传递到双向长短期记忆网络(BiLSTM)层，利用该层的特点对文中的上下文特征进行捕获表示。然后将BiLSTM层直接对输入数据进行计算。最后在这两种方法所得到的变量中，输出隐藏表示被传递到多头注意力层，使用softmax激活函数的输出层进行情感极性分类。我们在公开的数据集上评估了我们的模型，在这些数据集上通过精确率的平均值和F1值的对比表明，与传统的模型相比，我们的方法相比这些模型都提升两个百分点以上。此外，我们也进行了消融实验，以显示不同文档级别权重对学习技术的影响。