一种基于注意力的双向CNN-RNN深度模型的蒙文情感分析方法

摘要

本发明公开了一种基于注意力的双向CNN‑RNN深度模型的蒙文情感分析方法，主要针对普通DNN模型训练时间开销过大，以及特征提取层的特征空间维度过高、梯度爆发等问题，将以前的单向序列深度模型改进为双向CNN‑RNN情感分析深度模型，其中RNN模型采用变体LSTM和GRU，将注意力机制从RNN模型内部分割开来，将循环神经网络处理后的结果输入注意力模型，以达到提高舆情检测效率、提升情感分析准确度的目的。