基于深度学习的情感分类模型构建与在社交文本中的应用
刘涛

西安思源学院，陕西省西安市，710038；

摘要：社交媒体上的文章的迅速增多也带来内容十分丰富、涵盖面十分广泛的多种不同情感表达。为了加强对这些非规范词汇和情感信息的表达识别，提出运用BERT和卷积神经网络(CNN)构建的集成式分类模型，运用注意力机制与焦点损失机制来强调关注相对较为重要的情感词信息，并且修正各类别样本数据分布不平衡现象，在各种社交文本数据中做了大量的实验结果表明，这种分类方法不仅分类精度较高且稳定可靠，具有显著的应用价值，有一定的通用性。

关键词：深度学习；情感分类；社交文本；预训练语言模型

参考文献

[1]贺加贝,周菊香,甘健侯,等.基于多任务学习的课堂表情分类模型[J].应用科学学报,2024,42(6):947-961.

[2]张宇,吴静.基于深度学习的商品评论情感分析[J].智能计算机与应用,2024,14(8):54-58.

[3]王浩畅,王宇坤,Marius Gabriel Petrescu.融合情感词典与深度学习的文本情感分析研究[J].计算机与数字工程,2024,52(2):451-455.

[4]刘保旗,林丽.基于残差网络的汽车前脸情感化图像分类模型[J].智能计算机与应用,2024,14(3):192-198.

[5]季玉文,陈哲.基于BERT的金融文本情感分析与应用[J].软件工程,2023,26(11):33-38.

[6]刘星,杨波,郁云.一种基于LSTM和ResNet网络的情感极性分析方法[J].电子器件,2023,46(6):1629-1633.